基于机器学习提取非接触原子力显微镜中相互作用的短程部分
介观与纳米尺度物理
2020-08-26 v1 材料科学
摘要
提出了一种从力谱曲线中提取探针-表面相互作用短程部分的机器学习方法。我们的机器学习算法包括两个阶段：第一阶段确定一条边界，将短程相互作用主导作用于探针的区域与长程区域分开；第二阶段寻找参数以对长程区域上的相互作用进行拟合。我们将该方法成功应用于在 Si(111)-(7x7) 表面获取的力谱图，结果发现了实验所用某一探针的短程相互作用上存在一处微弱结构，若使用人工监督拟合策略则很可能被忽略。
引用
@article{arxiv.2004.04882,
title = {Machine-learning Based Extraction of the Short-Range Part of the Interaction in Non-contact Atomic Force Microscopy},
author = {Zhuo Diao and Daiki Katsube and Hayato Yamashita and Yoshiaki Sugimoto and Oscar Custance and Masayuki Abe},
journal= {arXiv preprint arXiv:2004.04882},
year = {2020}
}