基于神经网络的磁场图像中非平凡磁化纹理重建

磁性材料的磁 stray field 的空间成像是识别材料内部磁构型的有用工具。然而，将磁图像转换为磁化图像是一个病态问题，可能导致局限于被调查材料的推断的误区。在本工作中，我们发展了一种神经网络拟合方法，用于近似这种转换，从而减少这些误区。此外，我们演示了这种方法允许包含额外的模型和边界，这些在传统重建方法中是不可能的。这些优势使得能够重建具有各异磁化方向的薄膜磁性材料中的非平凡磁化纹理，这在以前是不可能的。我们通过对各种拓扑自旋纹理进行磁化重建来展示了这一新能力。