Clustering-Based Growth Analysis of 2D Transition Metal Thin Films on Graphene Substrates via Molecular Beam Epitaxy

Abstract

Дихалькогеніди металів – це різновид хімічної речовини, яка складається з атома металу в парі з халькогеновими елементами, такими як селен і сірка. Ці матеріали мають відмінні електричні та оптичні характеристики, що робить їх захоплюючими для різноманітних застосувань, включаючи електроніку та оптоелектроніку. Дослідження росту тонких плівок дихалькогенідів металів передбачає аналіз їх контрольованого осадження та кристалізації. Розуміння процесів росту, взаємодії підкладки та контрольних параметрів, таких як температура та концентрація прекурсора, є критично важливими для виробництва високоякісних плівок із відповідними характеристиками, закладаючи шлях для розвитку нанотехнологій та виробництва пристроїв. У цьому дослідженні ми використовували аналітичний підхід дифракції високоенергетичних електронів із підтримкою машинного навчання (ML) для дослідження розвитку двовимірних (2D тонких шарів дихалькогенідів (ReSe2) з перехідних металів на графенових підкладках за допомогою молекулярної Променева епітаксія (MBE). Незалежний аналіз компонентів (ICA) і підхід Fuzzy C-Means були реалізовані для визначення різних шаблонів і представлення розмірності вихідного набору даних, ми використовували 20 незалежних компонентів (IC) і кожне зображення RHEED. було розподілено до найближчого центроїда, що призвело до кластеризації набору даних за допомогою нечітких C-середніх.

Metal dichalcogenides are a kind of chemical substance that consists of a metal atom paired with chalcogen elements such as selenium and sulphur. These materials have distinctive electrical and optical characteristics, making them fascinating for a variety of applications, including electronics and optoelectronics. Growth examination of metal dichalcogenide thin films entails analyzing their controlled deposition and crystallization. Understanding growth processes, substrate interactions and controlling parameters like as temperature and precursor concentration are critical for producing high-quality films with the appropriate characteristics, establishing the way for developments in nanotechnology and device manufacturing. Throughout this research, we employed the Machine learning (ML) enabled Reflection High-Energy Electron Diffraction (RHEED) analytical approach to examine the development of two-dimensional (2D thin layers of dichalcogenides (ReSe2) made of transition metals on graphene substrates using Molecular Beam Epitaxy (MBE). Independent Component Analysis (ICA) and the Fuzzy C-Means approach were implemented to determine different patterns and represent the pattern growths. To decrease the original dataset's dimensionality, we employed 20 Independent Components (ICs) and each RHEED image was distributed to the closest centroid, which resulted in the dataset being clustered using Fuzzy C-Means.