मशीन-लर्निंग-समर्थित विकासात्मक अन्वेषण Ti-rich SrTiO3(110) सतह पुनर्निर्माणों का

असमरूप सतहों की जांच, जहाँ विभिन्न स्थानीय संरचनाएँ सह-अस्तित्व में हैं, प्रौद्योगिकी की रुचि के इंटरफेस को समझने के लिए महत्वपूर्ण है, फिर भी यह महत्वपूर्ण चुनौतियाँ प्रस्तुत करता है। यहां, हम (110)-उन्मुख SrTiO3 पर (2 × m) Ti-rich सतहों की परमाणु कॉन्फ़िगरेशन का अध्ययन करते हैं, जिसमें स्कैनिंग टनलिंग माइक्रोस्कोपी और स्थानांतरित करने योग्य न्यूरल-नेटवर्क बल क्षेत्रों को विकासात्मक अन्वेषण के साथ एकीकृत किया गया है। हम सक्रिय शिक्षण पद्धति का लाभ उठाते हैं ताकि विभिन्न कॉन्फ़िगरेशनों के लिए आवश्यकतानुसार प्रशिक्षण डेटा को क्रमिक रूप से विस्तारित किया जा सके। केवल छोटे ज्ञात पुनर्निर्माणों पर प्रशिक्षण देकर, हम असमान SrTiO3(110)-(2×m) सतह के विभिन्न क्षेत्रों में मिले जटिल और विविध ओवरलेयर की प्रवृत्तियों को बाहर निकालने में सक्षम हैं। हमारी मशीन-लर्निंग-समर्थित विधि कई नए उम्मीदवार संरचनाएँ उत्पन्न करती है, जो प्रयोग के साथ अच्छी तरह से मेल खाती हैं और घनत्व कार्यात्मक सिद्धांत का उपयोग करके सत्यापित होती हैं।