通过无监督机器学习在动态压电力显微镜中解析铁电畴壁的几何结构和路径
摘要：通过变分自编码器（VAE），使用动态压电响应力显微镜（PFM）可视化铁电材料中的域切换路径。VAE简化了观察到的域结构的要素，关键在于旋转不变性，从而将局部极化分布的可变性减少到一小部分潜在变量。对于较小的采样窗口大小，潜在空间是退化的，并且变异仅在单个潜在变量的方向上观察到，这可以识别出域壁的存在。对于较大的窗口大小，潜在空间是2D的，解耦的潜在变量通常可以解释为切换的程度和域结构的复杂性。将其应用于监视域切换的多个连续PFM图像，可以在潜在空间中可视化极化切换机制，从而揭示域演变机制及其与微观结构的相关性。
作者：Sergei V. Kalinin, James J. Steffes, Yongtao Liu, Bryan D. Huey, Maxim Ziatdinov
论文ID：2007.06194
分类：Disordered Systems and Neural Networks
分类简称：cond-mat.dis-nn
提交时间：2021-04-14