利用人工神经网络进行磁性纳米颗粒的谱识别
材料科学
2022-06-02 v1 介观与纳米尺度物理
摘要
铁磁共振（FMR）光谱是一种量化纳米颗粒内部磁各向异性场的强有力方法，这在广泛的生物医学和存储应用中十分重要。然而，FMR 谱的解释只能通过使用适当的模型来实现，并且没有可用的逆方法从 FMR 谱中提取内部场。在此，我们提出使用人工神经网络进行谱识别，即从 FMR 谱中识别内部磁各向异性场。我们通过向网络输入预先计算并标注了相应各向异性场的 FMR 谱，训练了两种不同类型的网络：卷积神经网络和多层感知机。使用未见过的谱对训练后的网络进行测试表明，它们成功预测了正确的各向异性场，并且令人惊讶的是，这些网络在其训练范围之外的数据上也表现良好。这些结果显示了使用人工神经网络加速磁性材料和纳米结构的高通量分析的前景；例如，它们可用于自动化和优化探测任务，其中纳米磁信号常被用作代用指标。
引用
@article{arxiv.2206.00166,
title = {Spectral Recognition of Magnetic Nanoparticles with Artificial Neural Networks},
author = {David Slay and Michalis Charilaou},
journal= {arXiv preprint arXiv:2206.00166},
year = {2022}
}
备注
6 pages, 6 figures