自动化偏压三角形特征提取框架
介观与纳米尺度物理
2023-12-07 v1 计算机视觉与模式识别
量子物理
摘要
偏压三角形是量子点（QD）器件稳定性图中的特征，其出现和性质分析是自旋物理的关键指标。然而，数据质量和可用性方面的挑战，以及所关注物理现象的微妙性，阻碍了自动化和定制化分析框架的发展，目前往往仍（部分）依赖人工标记和验证。我们引入了一个基于无监督、分割式计算机视觉方法构建的偏压三角形特征提取框架，该框架有助于直接识别和量化前者的物理性质。由此，既规避了对人工输入或大型训练数据集以支持监督学习方法的需求，又额外实现了像素级形状和特征标记的自动化。特别是，我们证明了作为该方法的直接结果，泡利自旋阻塞（PSB）检测可以无需任何训练数据而有效、高效地进行。
引用
@article{arxiv.2312.03110,
title = {The Automated Bias Triangle Feature Extraction Framework},
author = {Madeleine Kotzagiannidis and Jonas Schuff and Nathan Korda},
journal= {arXiv preprint arXiv:2312.03110},
year = {2023}
}