[发明专利]使用机器学习分析钙钛矿结构的方法

说明书

一种使用机器学习分析钙钛矿结构的方法，该方法包括以下步骤：(a)使用原子结构模拟器获得原子图像；(b)使CNN模型学习原子图像；以及(c)使用TEM或STEM获得实际物质的原子图像，然后将图像应用于学习的CNN模型。

技术领域

本发明涉及一种使用机器学习分析钙钛矿结构的方法，更具体地，涉及一种可以通过使用机器学习技术可以分析通过透射电子显微镜(TEM)或扫描透射电子显微镜(STEM)获得的原子结构数据并且原子排列位置(特别地，八面体氧结构)可以被分析至几皮米单位的级别的方法。

背景技术

具有钙钛矿结构的氧化物具有非常有用的超导性、铁电性、磁阻性特征，因此，正在作为功能材料进行各种研究。钙钛矿材料的这种特性是由于过渡金属的d轨道与氧的p轨道的键杂化，并导致原子结构中氧和过渡金属的八面体倾斜。

因此，八面体倾斜结构的成像和分析是控制和设计功能氧化物的特性的不可缺少的因素。特别地，八面体倾斜在诸如界面的局部区域中根据应力、缺陷等而变为另一种形式，并且物理性质也变化，并且因此，应该在单位晶格水平上分析氧的八面体倾斜结构。

氧八面体结构被分类为23个倾斜系统，该23个倾斜系统具有：根据旋转角度的比较的a、b、c(当所有相同时以诸如aaa的形式表示并且当一个方向不同时以诸如aac的形式表示)；以及根据与下一个单位单元的旋转方向的比较的+(相同旋转方向)、0(不旋转的情况)和-(反向旋转方向)。例如，当在两个方向上存在八面体倾斜并且其角度相同并且旋转方向与下一个单位单元反平行时，其表达式可以是a⁰b^-b^-。

此外，具有能够获得具有50皮米级高分辨率的原子结构图像的优点的扫描透射电子显微镜(STEM)的开发已经增强了对材料的结构的理解，并且显著地影响了结构与材料特性之间的关系的关联。

然而，氧八面体中产生的结构变化程度在STEM图像上是皮米级，并且在当前商业化的STEM数据的情况下，由于噪声而不容易观察和分析数据，并且数据容易受到观察者的主观视角的影响，因此难以进行精确的结构分析。

(现有技术文件)

(专利文献)

(专利文献1)韩国专利公开No.2006-0033740

发明内容

技术问题

本发明提供了一种可以对钙钛矿材料的氧八面体倾斜系统进行自动分类并且可以通过应用机器学习技术对所获得的STEM图像进行统计分析而将原子排列位置(特别是八面体氧结构)分析至几皮米单位级别的方法。

技术方案

根据本发明的一实施方式，本发明提供了一种使用机器学习分析钙钛矿结构的方法，该方法包括以下步骤：(a)使用原子结构模拟器获得原子图像；(b)使CNN模型学习原子图像；以及(c)使用TEM或STEM获得实际物质的原子图像，然后将图像应用于经学习的CNN模型。

另外，优选地，步骤(a)中的原子图像可以通过使用以下来获得：通过实验确认的钙钛矿八面体倾斜结构和计算的钙钛矿八面体倾斜结构模型。

另外，优选地，步骤(b)中的CNN模型可以包括：卷积层，该卷积层从原子图像中提取几何特征；以及全连接层，该全连接层连接钙钛矿八面体的特定分类和几何特征。

另外，优选地，在步骤(c)中，可以确定并分类氧八面体倾斜系统。

另外，优选地，在步骤(c)中，可以输出钙钛矿结构的每个单位晶格的坐标信息和关于单位晶格具有的结构的概率。

另外，优选地，通过使用钙钛矿结构的每个单位晶格的坐标信息和单位晶格具有的结构的概率来构造原子图像，由此可以执行氧八面体倾斜映射。