机器学习辅助的过渡金属硫族化物薄膜生长分析
材料科学
2023-10-24 v1
摘要
原位反射高能电子衍射（RHEED）被广泛用于通过分子束外延（MBE）和脉冲激光沉积监测薄膜生长过程中的表面结晶状态。随着机器学习（ML）的近期发展，ML 辅助的 RHEED 视频分析有助于解释氧化物薄膜的完整 RHEED 数据。RHEED 数据的定量分析使我们能够逐步表征和分类生长模式，并提取外延薄膜生长过程的隐藏知识。在本研究中，我们采用 ML 辅助的 RHEED 分析方法，研究通过 MBE 在石墨烯衬底上生长过渡金属硫族化物（ReSe2）的二维薄膜。主成分分析（PCA）和 K-means 聚类被用于分离统计上重要的图样并无明显信息损失地可视化图样演化趋势。利用改进的 PCA，我们能够通过滤除衬底贡献来监测仅来自 ReSe2 层的衍射强度。这些发现表明，ML 分析可成功用于检验和理解二维材料的薄膜生长动力学。此外，基于 ML 的方法可为先进实时监测和自主材料合成技术的发展铺平道路。
引用
@article{arxiv.2310.14205,
title = {Machine-learning-assisted analysis of transition metal dichalcogenide thin-film growth},
author = {Hyuk Jin Kim and Minsu Chong and Tae Gyu Rhee and Yeong Gwang Khim and Min-Hyoung Jung and Young-Min Kim and Hu Young Jeong and Byoung Ki Choi and Young Jun Chang},
journal= {arXiv preprint arXiv:2310.14205},
year = {2023}
}
备注
21 pages, 4 figures