基于神经进化的石墨烯量子换能器逆向设计
介观与纳米尺度物理
2021-02-25 v2
摘要
我们引入一种基于人工神经网络、遗传算法与紧束缚计算的逆向设计框架，能够优化纳米电子器件的极大构型空间。我们的非线性优化过程通过控制不同掺杂区域生长策略的超算符作用于试探哈密顿量。我们证明，我们的算法针对谷电子学应用优化基于石墨烯的三端器件掺杂，在数千次评估（共约种可能构型）内单调收敛至具有高优值的可合成器件。性能最优的器件实现了终端特异的谷电流分离， ()谷纯度约为96%（约94%）。重要的是，通过我们非线性优化过程发现的器件比通过几何优化获得的器件具有更高的优值与对缺陷更高的鲁棒性。
引用
@article{arxiv.2007.07070,
title = {Inverse Design of a Graphene-Based Quantum Transducer via Neuroevolution},
author = {Kevin Ryczko and Pierre Darancet and Isaac Tamblyn},
journal= {arXiv preprint arXiv:2007.07070},
year = {2021}
}