物性物理学：量子材料の画像におけるパターン認識

臨界温度の高い多くの銅酸化物超伝導体の複雑な電子構造は、電荷密度波の存在を特徴としている。こうした定在波の起源はまだ議論の的であり、その構造の厳密な周期性の決定は、提案されているさまざまなモデルの評価に役立つと考えられる。今回E Kimたちは機械学習法を使って、走査型プローブ顕微鏡で撮像した電子密度のわずかな変化からこの周期性を導き出している。著者たちの人工ニューラルネットワークに基づく方法は、従来のフーリエ解析よりも優れており、結晶構造と整合する基本構造の4倍の周期性が存在することが示された。今回の結果は、機械学習に基づく画像解析の改善によって、強相関材料の物理学に関する新しい知見が得られることを実証している。

目次へ戻る