四维扫描透射电子显微镜的流形学习
图像与视频处理
2019-01-15 v3 材料科学
数据分析、统计与概率
机器学习
摘要
局部原子衍射图样的四维扫描透射电子显微镜（4D-STEM）正成为探测原子结构与原子电场精细细节的有力技术。然而，大量数据的高效处理与解释仍具挑战，尤其对于二维或轻材料，因为像素化阵列上记录的衍射信号较弱。在此，我们采用数据驱动的流形学习方法，对 4D-STEM 数据集进行直观可视化与探索分析，从像素化探测器记录的单层石墨烯（含单个掺杂原子）的原子分辨偏转图样中提取实空间邻域效应。这些提取的图样既关联单个原子位点也关联子晶格结构，通过多模态视图有效判别单掺杂异常。我们相信，流形学习分析将加速数据丰富成像机制与铁电、拓扑自旋及范德瓦耳斯异质结构等材料之间的物理发现。
引用
@article{arxiv.1811.00080,
title = {Manifold Learning of Four-dimensional Scanning Transmission Electron Microscopy},
author = {Xin Li and Ondrej E. Dyck and Mark P. Oxley and Andrew R. Lupini and Leland McInnes and John Healy and Stephen Jesse and Sergei V. Kalinin},
journal= {arXiv preprint arXiv:1811.00080},
year = {2019}
}