基于深度学习的二维 TMD 及其横向异型结构形貌快速表征
机器学习
2025-03-04 v1 材料科学
计算机视觉与模式识别
光学
摘要
二维 (2D) 材料及其异型结构具有独特的物理性质, 因此亟需高效且准确的表征方法。利用人工智能领域的进展, 我们引入一种基于深度学习的方法, 用于高效表征异型结构和二维材料, 具体针对 MoS2-MoSe2 横向异型结构以及形状和厚度各异的 MoS2 单片. 通过采用 YOLO 模型, 我们实现了对这些材料识别准确率超过 94.67%. 此外, 我们还探讨了在不同材料之间进行迁移学习的应用, 这进一步提升了模型性能. 本模型展现出强大的泛化能力和抗干扰能力, 确保在多样化场景中可靠的结果. 为便于实际应用, 我们开发了可直接从光学显微镜图像进行实时分析的应用程序, 大幅度提升了表征速度和经济性. 这种基于深度学习的方法为二维材料的快速精准表征提供了有前景的工具, 为材料科学的研究与开发开辟了新的方向.
引用
@article{arxiv.2503.00470,
title = {Rapid morphology characterization of two-dimensional TMDs and lateral heterostructures based on deep learning},
author = {Junqi He and Yujie Zhang and Jialu Wang and Tao Wang and Pan Zhang and Chengjie Cai and Jinxing Yang and Xiao Lin and Xiaohui Yang},
journal= {arXiv preprint arXiv:2503.00470},
year = {2025}
}