본 연구에서 개발된 인공지능은 Second harmonic generation (SHG) 측정법으로부터 확보된 패턴을 인풋 시퀀스 데이터로 받아들이고 그 속에 숨겨져 있는 표면 및 계면에 존재하는 SHG source의 대칭성이 무엇인지 감별하여 예상되는 대칭성이 무엇인지 아웃풋으로 보여주는 기능성을 가지고 있다. 기존의 egression 방법은 많은 가능성 중에 한 가지만을 보여줄 수 밖에 없었지만(local minimum 문제) 본 연구에서 개발한 인공지능은 실험 데이터로부터 해석 가능한 모든 대칭성에 대해 확률적인 분포를 함께 알 수 있는 일반성을 갖추고 있어, SHG 측정법이 제공할 수 있는 모든 정보량을 가시화 할 수 있다.
We demonstrated the surface symmetry discriminator developed with the deep learning technique, which suggested the surface symmetry properly for two examples of GaAs and Bi2Se3. The symmetry discriminator demonstrated in this work can be helpful in assigning the point group symmetries for the hidden layers of surfaces and interfaces, which can be a firm basis for the further fundamental and application researchers exploiting surface sciences.
Title: Surface symmetry determination by a deep learning application of optical second-harmonic generation results
Authors: Do Gyeom Jeong and Jong Seok Lee
Publication Date: 11 August 2022
Journal: Results in Physics
Journal Link(DOI): https://doi.org/10.1016/j.rinp.2022.105869
