用于转角双层石墨烯拉曼光谱分析的机器学习模型
材料科学
2020-11-24 v1
摘要
由于低对称性构型复杂的能量景观，转角双层石墨烯（tBLG）的振动性质呈现出复杂特征。我们开发了一种基于机器学习的方法，以提供转角双层石墨烯的扭转角与模拟拉曼光谱之间的连续模型。从拉曼光谱中提取扭转角的结构信息对应于求解一个复杂的反问题。一旦训练完成，机器学习回归器（MLRs）可快速给出预测，且无人为偏差，模型可解释平均98%的数据方差。我们分析了MLRs学到的显著光谱特征，揭示计算G带附近的强度分布是最重要的特征。训练好的模型在含噪声的测试数据上进行了测试，证明了其鲁棒性。结合用于构建所分析数据库的理论水平验证，讨论了当前模型向实验拉曼光谱的迁移能力。该工作作为一个概念验证，表明机器学习分析是解释tBLG及其他二维材料拉曼光谱的潜在有力工具。
引用
@article{arxiv.2007.03839,
title = {Machine-learning models for Raman spectra analysis of twisted bilayer graphene},
author = {Natalya Sheremetyeva and Michael Lamparski and Colin Daniels and Benoit Van Troeye and Vincent Meunier},
journal= {arXiv preprint arXiv:2007.03839},
year = {2020}
}
备注
11 pages, 5 figures