石墨烯应变超晶格中的谷值陷波滤波器：格林函数与机器学习方法
介观与纳米尺度物理
2019-11-14 v2 无序系统与神经网络
摘要
采用格林函数和机器学习方法计算了面外高斯形变超晶格的谷输运性质。我们的结果表明，周期性显著改善了单个高斯形变的谷滤波器能力，这些能力在电导中表现为一系列谷滤波器平台。我们确定，观测到的谷陷波滤波器背后的物理效应是反向传播横向模式之间的耦合；超晶格设计参数与谷滤波器效应之间的复杂关系使得难以提前估计给定超晶格的谷滤波潜力。鉴于此，我们展示了一个深度神经网络（Deep Neural Network）可以被训练以预测谷极化，其精度与格林函数相似，但计算代价小得多。
引用
@article{arxiv.1908.04604,
title = {Valley notch filter in a graphene strain superlattice: Green's function and machine learning approach},
author = {V. Torres and P. Silva and E. A. T. de Souza and L. A. Silva and D. A. Bahamon},
journal= {arXiv preprint arXiv:1908.04604},
year = {2019}
}
备注
11 pages, 9 figures