基于物理信息的深度图像先验构建：从扫描 NV 磁力学重建平面磁化
无序系统与神经网络
2026-04-28 v1 介观与纳米尺度物理
摘要
重建纳米尺度磁性薄膜的磁化分布是开发下一代存储器、传感器及各类自旋电子器件的关键任务。然而，由于斑坡场反问题本身的欠定性，此任务仍面临挑战——即给定斑坡场分布会产生无限多的磁化解决方案。本文展示了一种基于物理信息的深度图像先验（DIP）框架，采用简单的卷积自编码器，可在扫描 NV 磁力学测量中实现对复杂平面磁化图案的合理定性与定量重建。我们发现，实现用于限制重建解空间的user-defined掩码方向，对收敛具有决定性影响。掩码的最佳对齐方式可使重建信噪比提升最高可达 ，从而也可作为诊断工具。DIP 方法无需预训练数据集，计算密度也低于监督学习方法。我们通过纳入实验导向的空间约束，对 lithographically 加工的 Permalloy 纳米结构中的 Landau 型和偶极型域结构进行分析。还 carried out 补充的磁力学显微镜测量，以支持扫描 NV 测量。
引用
@article{arxiv.2604.23431,
title = {Physics-Informed Deep Image Prior Reconstruction of In-Plane Magnetization from Scanning NV Magnetometry},
author = {Zander Scholl and Justin Woods and Charudatta Phatak and Hanu Arava},
journal= {arXiv preprint arXiv:2604.23431},
year = {2026}
}