論文の概要: Atom identification in bilayer moire materials with Gomb-Net
- arxiv url: http://arxiv.org/abs/2502.09791v1
- Date: Thu, 13 Feb 2025 21:55:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-17 14:44:33.083813
- Title: Atom identification in bilayer moire materials with Gomb-Net
- Title（参考訳）: Gomb-Netを用いた二層モアレ材料中の原子識別
- Authors: Austin C. Houston, Sumner B. Harris, Hao Wang, Yu-Chuan Lin, David B. Geohegan, Kai Xiao, Gerd Duscher,
- Abstract要約: ファンデルワールス二層膜のモアレパターンは原子分解能画像の解析を複雑にする。
深層学習モデルであるGomb-Netを開発し,各層における原子種を識別する。
- 参考スコア（独自算出の注目度）: 4.195814407889828
- License:
- Abstract: Moire patterns in van der Waals bilayer materials complicate the analysis of atomic-resolution images, hindering the atomic-scale insight typically attainable with scanning transmission electron microscopy. Here, we report a method to detect the positions and identity of atoms in each of the individual layers that compose bilayer heterostructures. We developed a deep learning model, Gomb-Net, which can distinguish atomic species in each individual layer, effectively deconvoluting the moire pattern to enable layer-specific mapping of strain and dopant distributions, unlike other methods which struggle with moire-induced complexity. Using this approach, we explored Se atom substitutional sites in a twisted fractional Janus WS2-WS2(1-x)Se2x heterostructure and found that layer specific implantation sites are unaffected by the moire pattern's local energetic or electronic modulation. This advancement enables atom-identification within material regimes where it was not possible before, opening new insights into previously inaccessible material physics.
- Abstract（参考訳）: ファン・デル・ワールス二層膜のモアレパターンは、原子分解能画像の解析を複雑にし、原子スケールの洞察を走査型透過電子顕微鏡で一般的に得ることを妨げている。
本稿では,2層構造を構成する各層における原子の位置と同一性を検出する手法について述べる。
我々は,各層内の原子種を識別できる深層学習モデルであるGomb-Netを開発し,モアレパターンを効果的に分解し,モアレの複雑さに苦しむ他の方法とは異なり,ひずみとドーパント分布の層特異的マッピングを可能にする。
提案手法を用いて,Janus WS2-WS2(1-x)Se2xヘテロ構造におけるSe原子置換部位の探索を行った。
この進歩により、それまで不可能だった物質状態における原子の同定が可能となり、以前は到達不可能な物質物理学への新たな洞察が開かれた。
関連論文リスト
- Exploring structure diversity in atomic resolution microscopy with graph neural networks [18.903519247639355]
ディープラーニングは、構造多様性を迅速で正確でインテリジェントな方法で探求するための強力なツールです。
この作業は、迅速で正確でインテリジェントな方法で構造多様性を探求する強力なツールを提供する。
論文 参考訳（メタデータ） (2024-10-23T07:48:35Z) - UniIF: Unified Molecule Inverse Folding [67.60267592514381]
全分子の逆折り畳みのための統一モデルUniIFを提案する。
提案手法は,全タスクにおける最先端手法を超越した手法である。
論文 参考訳（メタデータ） (2024-05-29T10:26:16Z) - PyNanospacing: TEM image processing tool for strain analysis and
visualization [0.0]
本稿では,幅広い材料を扱えるTEM画像処理のためのPythonコードを開発する。
平面間隔の局所的な差異を輪郭写像に変換し、格子拡大と圧縮の視覚的表現を可能にする。
ツールは非常に汎用的で、TEM画像を用いて材料特性を分析するのに大いに役立ちます。
論文 参考訳（メタデータ） (2023-11-27T12:08:46Z) - Atomic and Subgraph-aware Bilateral Aggregation for Molecular
Representation Learning [57.670845619155195]
我々は、原子とサブグラフを意識したバイラテラルアグリゲーション(ASBA)と呼ばれる分子表現学習の新しいモデルを導入する。
ASBAは、両方の種類の情報を統合することで、以前の原子単位とサブグラフ単位のモデルの限界に対処する。
本手法は,分子特性予測のための表現をより包括的に学習する方法を提供する。
論文 参考訳（メタデータ） (2023-05-22T00:56:00Z) - Higher-order topological Peierls insulator in a two-dimensional
atom-cavity system [58.720142291102135]
我々は、光子を介する相互作用が原子基底状態におけるプラケット配位結合パターンをいかに生み出すかを示す。
このパターンは2Dの非自明なトポロジカルギャップを開き、高次トポロジカル位相ホストコーナー状態をもたらす。
我々の研究は、原子量子シミュレータがいかにして、新しい強相関な位相現象を研究することができるかを示す。
論文 参考訳（メタデータ） (2023-05-05T10:25:14Z) - Real-space detection and manipulation of topological edge modes with
ultracold atoms [56.34005280792013]
光学格子におけるキラルエッジモードを実現するための実験的プロトコルを実証する。
3つの異なるフロケトポロジカルな状態において,これらのエッジモードの粒子を効率的に調製する方法を示す。
本研究では, 界面にエッジモードが出現し, 電位ステップのシャープネスが変化するにつれて, 粒子の群速度がどう変化するかを検討する。
論文 参考訳（メタデータ） (2023-04-04T17:36:30Z) - Heterogeneous reconstruction of deformable atomic models in Cryo-EM [30.864688165021054]
変形を少数の集団運動に還元した原子論的な表現に基づく異種再構成法について述べる。
各分布について、我々の手法が原子レベルの精度で中間原子モデルを再カプセル化可能であることを示す。
論文 参考訳（メタデータ） (2022-09-29T22:35:35Z) - How to See Hidden Patterns in Metamaterials with Interpretable Machine
Learning [82.67551367327634]
我々は,材料単位セルのパターンを見つけるための,解釈可能な多分解能機械学習フレームワークを開発した。
具体的には、形状周波数特徴と単位セルテンプレートと呼ばれるメタマテリアルの2つの新しい解釈可能な表現を提案する。
論文 参考訳（メタデータ） (2021-11-10T21:19:02Z) - Theory of cavity QED with 2D atomic arrays [0.0]
我々は、光学キャビティに配置された2次元の原子配列を扱うための量子光学式を開発する。
抑制された減衰は, キャビティ内に置かれた原子-アレイ膜の最適パラメータのスケーリングに有効であることを示す。
論文 参考訳（メタデータ） (2020-06-02T23:01:07Z) - Graph Neural Network for Hamiltonian-Based Material Property Prediction [56.94118357003096]
無機材料のバンドギャップを予測できるいくつかの異なるグラフ畳み込みネットワークを提示し、比較する。
モデルは、それぞれの軌道自体の情報と相互の相互作用の2つの異なる特徴を組み込むように開発されている。
その結果,クロスバリデーションにより予測精度が期待できることがわかった。
論文 参考訳（メタデータ） (2020-05-27T13:32:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。