MagNet：机器学习增强的三维磁重构
材料科学
2022-10-07 v1
摘要
三维 (3D) 磁重构对于研究面向三维自旋电子学的新型磁性材料至关重要。矢量场电子层析 (VFET) 是实现该目标的主要内部工具。然而，由于缺失楔角的不可避免存在，传统 VFET 重构表现出显著伪影。本文中，我们提出一种深度学习增强的 VFET 方法来解决此问题。通过微磁模拟构建了一个磁纹理库。MagNet，一个 U 形卷积神经网络，使用由该库生成的数据集进行训练与测试。我们证明 MagNet 在缺失楔角下优于传统 VFET。重构磁感应场的质量得到显著提升。
引用
@article{arxiv.2210.03066,
title = {MagNet: machine learning enhanced three-dimensional magnetic reconstruction},
author = {Boyao Lyu and Shihua Zhao and Yibo Zhang and Weiwei Wang and Haifeng Du and Jiadong Zang},
journal= {arXiv preprint arXiv:2210.03066},
year = {2022}
}