用卷积神经网络在磁反天 Skyrmion 形成过程中进行识别
强关联电子
2022-09-14 v2 材料科学
机器学习
高能物理 - 唯象学
摘要
手性磁体近年来吸引了大量研究兴趣，因为它们支持多种拓扑缺陷，如 skyrmion 与 bimeron，并允许通过多种技术对其进行观测与操控。它们在自旋电子学领域也有广泛应用，特别是在开发新型存储器件技术方面。然而，这些实验与理论研究中产生的大量数据需要适当的工具，其中机器学习至关重要。我们使用卷积神经网络(CNN)来识别手性磁体热力学相中的相关特征，包括(反-)skyrmion、bimeron，以及螺旋与铁磁态。我们使用一个灵活的多标签分类框架，可正确分类不同特征与相混合的状态。然后我们训练 CNN，从晶格蒙特卡洛模拟的中间态快照预测终态的特征。训练后的模型可在形成过程早期可靠地识别不同相。因此，CNN 可显著加速迄今作为定量研究瓶颈的 3D 材料大规模模拟。此外，该方法可应用于手性磁体真实图像中混合态与涌现特征的识别。
引用
@article{arxiv.2205.11535,
title = {Identifying magnetic antiskyrmions while they form with convolutional neural networks},
author = {Jack Y. Araz and Juan Carlos Criado and Michael Spannowsky},
journal= {arXiv preprint arXiv:2205.11535},
year = {2022}
}
备注
10 pages, 4 figures. Accepted version for publication in Journal of Magnetism and Magnetic Materials