Сверточные нейронные сети для предсказания морфологических и нелинейно-оптических свойств тонких пленок квазидвумерных материалов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

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.

Об авторах

А. А Попкова

МГУ имени М. В. Ломоносова

Email: popkova@nanolab.phys.msu.ru

А. А Федянин

МГУ имени М. В. Ломоносова

Список литературы

  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).

© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах