用于扫描近场光学光谱的混合机器学习
光学
2021-09-16 v1 数据分析、统计与概率
仪器与探测器
摘要
实验观测背后的基础物理往往缺乏简单的解析描述。对于扫描探针显微技术而言尤其如此，因为探针与样品之间的相互作用是非平凡的。包含探针细节的逼真建模总是比其“球形牛”式的对应模型困难指数级。另一方面，基于真实数据训练好的人工神经网络能够掌握信号与样品性质之间的隐藏关联。在本工作中，我们表明，通过模型计算与实验数据获取相结合，一种融入物理知识的混合神经网络能够预测广泛使用的散射型扫描近场光学显微镜中的针尖-样品相互作用。该混合网络为从针尖特定的原始数据中精确提取材料性质提供了长期寻求的解决方案。该方法论可推广到其他扫描探针显微技术，以及一般而言其他面向数据的物理问题。
引用
@article{arxiv.2105.10551,
title = {Hybrid Machine Learning for Scanning Near-field Optical Spectroscopy},
author = {Xinzhong Chen and Ziheng Yao and Suheng Xu and A. S. McLeod and Stephanie N. Gilbert Corder and Yueqi Zhao and Makoto Tsuneto and Hans A. Bechtel and Michael C. Martin and G. L. Carr and M. M. Fogler and Stefan G. Stanciu and D. N. Basov and Mengkun Liu},
journal= {arXiv preprint arXiv:2105.10551},
year = {2021}
}