基于机器学习的磁性参数 determination：来自不同尺度磁性图像
材料科学
2024-08-23 v1 介观与纳米尺度物理
摘要
材料参数的确定在材料科学中具有重要意义，这往往是一项具有挑战性的任务。最近的研究表明，磁性参数（如 Dzyaloshinskii-Moriya 相互作用作用 DMI），可以从磁性域图像中通过机器学习（ML）来估计。这一发展表明，磁性参数的确定可能从传统的测量技术转向更具创新性的、使用经 ML 处理的图像输入的方法。在以往的研究中，用于估计的测试图像始终与训练图像的尺寸相匹配。然而，由于图像尺寸取决于所使用的显微技术，因此准确估计来自不同尺寸图像的参数能力至关重要。本文中，我们研究了使用 ML 从不同尺寸的磁性域图像中估计 DMI 常数和饱和磁化强度的可行性。我们成功地证明了即使在训练和测试数据集之间的成像尺寸不同的情况下，也可以准确估计这些参数。此外，我们对比了 DMI 常数和饱和磁化强度估计精度的容差，发现图像尺寸差异对不同参数的容忍程度各不相同。这些发现可能对未来确定磁性参数的方法产生重大影响。
引用
@article{arxiv.2408.12181,
title = {Machine learning-based determination of magnetic parameters from magnetic images with different imaging scales},
author = {Akito Watanabe and Yoshinobu Nakatani and Hiroyuki Awano and Kenji Tanabe},
journal= {arXiv preprint arXiv:2408.12181},
year = {2024}
}