Svertochnye neyronnye seti dlya predskazaniya morfologicheskikh i nelineyno-opticheskikh svoystv tonkikh plenok kvazidvumernykh materialov

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

Двумерные материалы являются перспективными кандидатами для создания планарных фотонных устройств. Основной проблемой использования таких материалов для прикладных применений является сложность создания пленок заданных геометрических параметров. Так, пленки двумерных материалов, изготовленные методами отщепления или химического осаждения, обычно распределяются случайным образом по большой площади и имеют большой разброс толщин. В данной работе мы используем сверточные нейронные сети для предсказания толщины пленки квазидвумерного материала на основе данных оптической микроскопии. В качестве тестового материала был выбран гексагональный нитрид бора, активно использующийся при создании плоских электронный и оптоэлектронных устройств. Благодаря высокому пространственному разрешению микроскопии удается добиться большой точности в предсказании толщин ровных областей образца, что позволяет проводить быструю характеризацию структур. Кроме того, на примере сигнала третьей оптической гармоники, мы показываем возможность предсказания величины нелинейно-оптического отклика пленки, что расширяет область применимости метода.

Bibliografia

  1. F. Xia, H. Wang, D. Xiao, M. Dubey, and A. Ramasubramaniam, Nat. Photonics 8(12), 899 (2014).
  2. S. Susarla, A. Kutana, J.A. Hachtel, V. Kochat, A. Apte, R. Vajtai, J.C. Idrobo, B. I. Yakobson, C. S. Tiwary, and P.M. Ajayan, Adv. Mater. 29, 1702457 (2017).
  3. J.M. Dawlaty, S. Shivaraman, M. Chandrashekhar, F. Rana, M.G. Spencer, Appl. Phys. Lett. 92, 042116 (2008).
  4. A.A. Popkova, A.A. Chezhegov, M.G. Rybin, I.V. Soboleva, E.D. Obraztsova, V.O. Bessonov, and A.A. Fedyanin, Adv. Opt. Mater. 10(4), 2101937 (2022).
  5. Y. Chen, J. Xi, D.O. Dumcenco, Z. Liu, K. Suenaga, D. Wang, Z. Shuai, Y.-S. Huang, and L. Xie, ACS Nano 7, 4610 (2013).
  6. Л.В. Котова, Л.А. Алтынбаев, М.О. Жукова, Б.Т. Хоган, А. Балдычева, М.А. Калитеевский, В.П. Кочерешко, Известия РАН. Серия физическая 86(7), 976 (2022).
  7. C. Ma, C. Wang, B. Gao, J. Adams, G. Wu, and H. Zhang, Appl. Phys. Rev. 6, 041304 (2019).
  8. Y.Wu, D.B. Farmer, F. Xia, and P. Avouris, Proc. IEEE 101(7), 1620 (2013).
  9. G. Cassabois, P. Valvin, and B. Gil, Nat. Photonics 10, 262 (2016).
  10. Е.Н. Опарин, М.О. Жукова, В. Г. Булгакова, С.А. Позднякова, А.Н. Цыпкин, Фотоника 14(3), 264 (2020).
  11. R. Frisenda, E. Navarro-Moratalla, P. Gant, D.P. De Lara, P. Jarillo-Herrero, R.V. Gorbachev, and A. Castellanos-Gomez, Chem. Soc. Rev. 47, 53 (2018).
  12. A. Crovetto, P.R. Whelan, R. Wang, M. Galbiati, S. Hofmann, and L. Camilli, ACS Appl. Mater. Interfaces 10, 25804 (2018).
  13. E. Moen, D. Bannon, T. Kudo,W. Graf, M. Covert, and D. van Valen, Nat. Methods 16, 1233 (2019).
  14. A. Garcia-Garcia, S. Orts-Escolano, S. Oprea, V. Villena-Martinez, P. Martinez-Gonzalez, and J.A. Garcia-Rodriguez, Appl. Soft Comput. 70, 41 (2018).
  15. К.Р. Сафронов, В.О. Бессонов, А.А. Федянин, Письма в ЖЭТФ 114(6), 360 (2021).
  16. X. Han, Z. Fan, Z. Liu, C. Li, and L. J. Guo, InfoMat 3(4), 432 (2021).
  17. S. An, C. Fowler, B. Zheng, M.Y. Shalaginov, H. Tang, H. Li, L. Zhou, J. Ding, A.M. Agarwal, C. Rivero- Baleine, K.A. Richardson, T. Gu, J. Hu, and H. Zhang, ACS Photonics 6(12), 3196 (2019).
  18. Р.Ш. Минязев, А.А. Румянцев, С.А. Дыганов, А.А. Баев, Известия РАН. Серия физическая 82(12), 1685 (2018).
  19. А.И. Мусорин, А.С. Шорохов, А.А. Чежегов, Т. Г. Балуян, К.Р. Сафронов, А.В. Четвертухин, А.А. Грунин, А.А. Федянин, УФН 66 (2023); https://doi.org/10.3367/UFNr.2023.07.039505.
  20. T. Yan, J. Wu, T. Zhou, H. Xie, F. Xu, J. Fan, L. Fang, X. Lin, and Q. Dai, Phys. Rev. Lett. 123(2), 023901 (2019).
  21. Y. Saito, K. Shin, K. Terayama, S. Desai, and M. Onga, Y. Nakagawa, Y.M. Itahashi, Y. Iwasa, M. Yamada, and K. Tsuda, npj Comput. Mater. 5, 1 (2019).
  22. X. Dong, H. Li, Z. Jiang, T. Gr¨unleitner, I. G¨uler, J. Dong, and A.W. Koch, ACS Nano 15(2), 3139 (2021).
  23. O. Ronneberger, P. Fischer, and T. Brox, Unet: Convolutional networks for biomedical image segmentation, in Medical Image Computing and Computer-Assisted Intervention-MICCAI 2015: 18th International Conference, Munich, Germany, Proceedings, Springer International Publishing (2015), part III 18, p. 234.
  24. М.Ю. Еремчев, Письма вЖЭТФ 118(4), 282 (2023).
  25. A.A. Popkova, I.M. Antropov, J. E. Froch, S. Kim, I. Aharonovich, V.O. Bessonov, A. S. Solntsev, AND A.A. Fedyanin, ACS Photonics 8(3), 824 (2021).
  26. X. S. Kong, X.Y. Wu, L. Geng, and W.D. Yu, Front. Phys. 10, 1032671 (2022).

Declaração de direitos autorais © Российская академия наук, 2023

Este site utiliza cookies

Ao continuar usando nosso site, você concorda com o procedimento de cookies que mantêm o site funcionando normalmente.

Informação sobre cookies