单层垂直异质结构的激子景观：基于无监督机器学习的揭示
材料科学
2025-11-14 v1
摘要
二维（2D）平面异质结构，包括组成分量梯度合金和具有定义界面垂直异质结构，显示丰富的光电子性质，为探索一维界面物理和众多体相互作用效应提供了多样化的平台。分量梯度 合金显示组成和应变的平滑空间变化，持续调谐激子发射；而 --垂直异质结构包含原子尖锐的界面，支持一维激子现象。这些单层系统将可调的光学和电子性质与潜在的稳定、高性能光电子器件相结合。高光谱和纳米分辨光致发光（PL）成像使能够沿组成、应变和缺陷的局部变化进行光学特征的空间映射，但手动解释此类大数据较慢且主观。本文引入快速且可扩展的无监督机器学习（ML）框架，从分量梯度 合金和 -- 异质结构的高光谱PL数据集中提取定量且可解释的信息。结合主成分分析（PCA）、t分布随机邻域嵌入（t-SNE）和基于密度的空间聚类（DBSCAN），我们发现与组成、应变和缺陷变化相关的谱上 distinct 域。对代表性光谱进行分解揭示了多种发射物种，包括带边激子和缺陷相关跃迁，表明ML驱动的分析提供了一种稳健且自动化的途径来解释2D材料的丰富光学性质。
引用
@article{arxiv.2511.10600,
title = {Excitonic Landscapes in Monolayer Lateral Heterostructures Revealed by Unsupervised Machine Learning},
author = {Maninder Kaur and Nicolas T. Sandino and Jason P. Terry and Mahdi Ghafariasl and Yohannes Abate},
journal= {arXiv preprint arXiv:2511.10600},
year = {2025}
}