ハイパースペクトルイメージングと機械学習を用いた遷移金属ジカルコゲナイド薄膜の特性評価

Characterizing transition-metal dichalcogenide thin-films using hyperspectral imaging and machine learning.

• Brian Shevitski
• Christopher T Chen
• Christoph Kastl
• Tevye Kuykendall
• Adam Schwartzberg
• Shaul Aloni
• Alex Zettl

抄録

原子レベルで薄い多結晶遷移金属ジカルコゲナイド(TMD)は、基礎科学の研究と応用の両方に関連している。TMD薄膜は、効果的なナノスケールの結晶性評価を行う上で、独特の困難な課題となっています。ここでは、走査型ナノビーム電子回折とその結果の多変量統計解析を用いて、単層WS膜のナノ結晶粒構造とテクスチャーを迅速に特徴付ける方法を紹介します。我々の分析パイプラインは、高度に一般化可能であり、時間がかかり、複雑で、システムに依存した、従来の空間分解電子回折測定の分析に使用されていた方法に代わる有用な方法です。

Atomically thin polycrystalline transition-metal dichalcogenides (TMDs) are relevant to both fundamental science investigation and applications. TMD thin-films present uniquely difficult challenges to effective nanoscale crystalline characterization. Here we present a method to quickly characterize the nanocrystalline grain structure and texture of monolayer WS films using scanning nanobeam electron diffraction coupled with multivariate statistical analysis of the resulting data. Our analysis pipeline is highly generalizable and is a useful alternative to the time consuming, complex, and system-dependent methodology traditionally used to analyze spatially resolved electron diffraction measurements.