基于深度学习的4D-STEM实现3D极化动力学成像
材料科学
2025-06-10 v1
摘要
最近的铁电体研究突出了三维(3D)极化实体在形成拓扑极化纹理和产生巨型电机响应期间的作用。然而，当前的电子显微镜方法缺乏沿电子束方向的深度分辨率，限制了对极化分量的完整表征。本文提出了一种结合深度学习和四维扫描透射电子显微镜(4D-STEM)的框架，用于在施加电场下重建Ba0.5Sr0.5TiO3薄膜电容器中具有皮米级精度的3D极化图。我们的ethods方法使我们能够观察到与极化稀糊模型一致的极化纳米域，并显示极化切换通过向<111>能量最小值处的向量旋转来实现，而非幅度变化。此外，具有更高拓扑密度的区域在电场变化时表现出较小的极化变化，表明存在拓扑保护作用。我们的工作揭示了3D极化图在阐明复杂纳米尺度极化现象方面的价值，对新兴铁电体具有广泛的前景。
引用
@article{arxiv.2506.06598,
title = {Imaging 3D polarization dynamics via deep learning 4D-STEM},
author = {Jinho Byun and Keeyong Lee and Myoungho Jeong and Eunha Lee and Jeongil Bang and Haeryong Kim and Geun Ho Gu and Sang Ho Oh},
journal= {arXiv preprint arXiv:2506.06598},
year = {2025}
}
备注
30 pages, 14 figures