Detailansicht
Pattern recognition in quasicrystalline structures
Tano Kim Kender
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Computational Science
Betreuer*in
Cesare Franchini
DOI
10.25365/thesis.76827
URN
urn:nbn:at:at-ubw:1-22497.11352.404437-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die Entdeckung von Quasikristallen in 1984 führte zu einer neuen Definition kristalliner Festkörper. Dadurch, dass sie keine translatorische Periodizität aufweisen, kann die Atomverteilung in Quasikristallen nicht durch Gitter modelliert werden. Stattdessen wird es durch ein quasiperiodische Parkettierung charakterisiert. Das erschwert die Untersuchung der Oberflächen in Quasikristallen, da aktuelle Kristallgittererkennungssoftware nicht dafür geeignet sind. Diese Projekt befasst sich mit der Erstellung einer Parkettierungserkennung auf Basis von Bildmerkmalen und maschinellem Lernen, speziell zugeschnitten auf quasiperiodische Muster mit 8-, 10- und 12-facher Drehsymmetrie. Die Positionen der Atome werden anhand von Ballungsanalyse der Deskriptoren der Merkmale bestimmt. Darauf folgende "Nearest-Neighbour"-auswertung und die dadurch entstehenden Verbindungen zwischen den Atomen liefert mithilfe von Randerkennung die Parkettierung. Die Entwicklung wird mit Kontrollbildern verschiedener Quasikristalle von verschidenenen Mikroskopiermethoden unterstützt, wodurch eine allgemein beständige und präzise Mustererkennungssoftware für Quasikristalle zustande kommt. Diese ohne Vorkenntnis anwendbare Software und die damit verbundene Vorgehensweise beschleunigt somit den Untersuchungsprozess für alle Oberflächen-quasikristalle.
Abstract
(Englisch)
The discovery of quasicrystals in 1984 redefined the essence of crystalline materials. Due to their lack of translational periodicity, the atom arrangements in quasicrystals cannot be modelled by lattices, but rather by quasiperiodic tilings. This makes the analysis of atomic resolution images of quasicrystal surfaces an arduous task, as no currently available lattice recognition software can be applied. This project introduces a method to detect those tilings using image feature recognition coupled with machine learning, tailored towards quasiperiodicity with 8-, 10- and 12-fold rotational symmetry. Atom positions are identified using clustering of feature descriptors. Subsequent nearest neighbour analysis and border following on the inter-atom connections deliver the tiling. Using test images of different quasicrystals produced by various techniques, a generalised pattern recognition software was developed, able to consistently and correctly identify the atomic arrangements. With no requirement for prior expertise to use, this offers a significant boost to the speed of the surface analysis process for any polygonal quasicrystal image.
Schlagwörter
Schlagwörter
(Deutsch)
Quasikristall Parkettierung Bilderkennung
Schlagwörter
(Englisch)
Quasicrystal Tiling Pattern Detection
Autor*innen
Tano Kim Kender
Haupttitel (Englisch)
Pattern recognition in quasicrystalline structures
Publikationsjahr
2024
Umfangsangabe
ix, 45 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Cesare Franchini
Klassifikation
33 Physik > 33.61 Festkörperphysik
AC Nummer
AC17342681
Utheses ID
72127
Studienkennzahl
UA | 066 | 910 | |