Как измерить невидимое: машинное обучение читает электронные узоры экспресс

Оригинал: "Prediction of the Hubbard U parameter from scanning tunneling microscopy images of moire systems using image recognition"
arXiv:2602.18890 · 2026-02-21 · CC BY 4.0 · 1 мин
Нейросеть научилась извлекать ключевое число взаимодействия электронов из почти одинаковых картинок.

📄 Показана версия «Просто» — «Популярно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить.

В скрученном двухслойном графене электроны ведут себя как люди в переполненном автобусе: каждый занимает место и мешает соседям. Сила этого «нежелания делить пространство» называется параметром Хаббарда U. От него зависит, будет ли материал проводником или изолятором, но измерить U напрямую очень трудно.

Сканирующий туннельный микроскоп (СТМ) делает снимки, где видно, как распределены электроны. Однако при разных значениях U картинки выглядят почти одинаково — как два фото толпы, где люди чуть плотнее прижаты друг к другу. Исследователи обучили нейросеть различать эти тонкие отличия. Нейросеть смотрит на изображение и выдаёт число U, даже если картинка зашумлена или слегка искажена, как при реальных экспериментах.

Нейросеть тренировали на искусственных изображениях, а затем проверили на данных с имитацией дефектов микроскопа. Оказалось, что обучение на «грязных» картинках делает её надёжнее в реальных условиях.

Такой подход позволяет быстро и точно определять параметр Хаббарда в материалах, где электроны сильно взаимодействуют. Это важно для понимания сверхпроводимости и других необычных явлений в слоистых структурах.

В скрученном двухслойном графене слои повёрнуты друг относительно друга на магический угол около 1,1 градуса. Тогда электроны становятся «медленными» и взаимодействуют особенно сильно.

Сканирующий туннельный микроскоп может «видеть» отдельные атомы, ощупывая поверхность иглой с точностью до долей нанометра.

Учёные
Christian DopplerD. B. McLaughlinDidier QuelozMichel MayorR. A. RossiterJames Clerk Maxwell
Понятия
сканирующий туннельный микроскоп атомистическое моделирование модель Хаббарда