Peak-Decomposition-Free Inverse Metrology of Hyperspectral Moiré Photoluminescence

Resumen Técnico: Metrología Inversa Libre de Descomposición de Picos de Fotoluminiscencia de Moiré Hiperespectral

Planteamiento del Problema
El mapeo de fotoluminiscencia (PL) hiperespectral de heterocapas de dicalcogenuros de metales de transición (TMD) con moiré proporciona una visión espacialmente resuelta de los paisajes de excitones moldeados por la deformación, la inhomogeneidad dieléctrica, las fluctuaciones electrostáticas y los defectos de corto alcance. Sin embargo, la extracción de información cuantitativa sobre el desorden de estos mapas se ve actualmente obstaculizada por la dependencia de la descomposición espectral de múltiples picos. Los enfoques convencionales requieren ajustar los espectros locales a sumas de componentes gaussianos o lorentzianos. Este método es frágil para la PL de moiré espacialmente variable porque el número de componentes espectrales es desconocido a priori, varía de píxel a píxel y produce parámetros que son altamente sensibles a la inicialización y a las formas de línea asumidas. En consecuencia, el análisis es difícil de automatizar, reproducir o comparar entre muestras.

Metodología
Los autores proponen un marco inverso "libre de descomposición de picos" que evita por completo el ajuste espectral. El flujo de trabajo, denominado HyperPL-Diag, procede a través de cuatro etapas:

1. Extracción de Descriptores: A partir del cubo hiperespectral bruto $I(x, y, E)$, el método computa mapas de descriptores físicamente motivados directamente de cada espectro local sin ajuste de picos. Estos incluyen:

   • Energía del centroide ($E_{cent}$)
   • Energía de emisión dominante ($E_{dom}$)
   • Ancho espectral ($\sigma_E$)
   • Relación de peso espectral bajo/alto ($R_{LH}$)
   • Desplazamiento centroide–dominante ($\Delta E_{dc}$)
   • Intensidad integrada ($I_{int}$, utilizada para diagnósticos pero excluida del inverso base).

2. Caracterización Estadística: Se computan las funciones de autocorrelación espacial y las correlaciones cruzadas de estos mapas de descriptores. Esto genera una "jerarquía de correlación de descriptores" (por ejemplo, el ordenamiento de las longitudes de correlación $\xi$) y una estructura de covarianza (por ejemplo, la correlación de Pearson $\rho$ entre $\Delta E_{dc}$ y $R_{LH}$). Estas estadísticas sirven como una huella digital robusta del desorden multiescala.

3. Modelado Inverso Generativo: Los autores formulan un problema inverso que hace coincidir las estadísticas resumidas observadas con un modelo generativo mínimo de "suave más trampas" (smooth-plus-trap). El paisaje efectivo de excitones se modela como $V_{eff}(r) = V_s(r) + V_t(r)$, donde $V_s$ es un campo aleatorio gaussiano suave (que representa el desorden de deformación/dieléctrico) y $V_t$ es un conjunto de pozos atractivos gaussianos distribuidos según Poisson (que representan las trampas).

4. Inferencia Bayesiana de Cuadrícula: Utilizando una biblioteca precomputada de cubos sintéticos de PL generados con parámetros de desorden controlados, el método realiza una inferencia Bayesiana de cuadrícula para inferir las coordenadas de desorden efectivo $\Theta_{eff} = \{W_s, \xi_s, W_t, n_t\}$ (amplitud suave, longitud de correlación suave, profundidad de trampa y densidad de trampa) junto con incertidumbres explícitas.

Resultados Clave

• Huella Digital de Descriptores: El estudio demuestra que diferentes descriptores filtran distintos componentes del paisaje de desorden. Por ejemplo, la energía del centroide ($E_{cent}$) rastrea el desorden suave de largo alcance, mientras que la energía dominante ($E_{dom}$) y la asimetría espectral ($\Delta E_{dc}$) revelan estructuras de trampas de corto alcance. La jerarquía de longitudes de correlación y la fuerte correlación positiva entre $\Delta E_{dc}$ y $R_{LH}$ constituyen una huella digital única para diferentes regímenes de desorden.
• Recuperación Sintética: En datos sintéticos con verdad de terreno conocida, el método recupera robustamente las coordenadas de desorden suave ($W_s, \xi_s$). El sector de las trampas está restringido por una degeneración de fuerza–densidad: un número pequeño de trampas fuertes produce estadísticas de descriptores casi idénticas a un gran número de trampas débiles.
• Límites de Identificabilidad: Los autores identifican explícitamente esta degeneración como un límite intrínseco del problema inverso en lugar de un fallo metodológico. Introducen una coordenada combinada de actividad de trampa $\Lambda_t = W_t n_t$, que está mejor restringida que $W_t$ o $n_t$ individualmente.
• Robustez: Se demuestra que las estadísticas de los descriptores son estables frente al ruido de disparo (hasta un SNR de pico de 10), variaciones en el paso de píxel y cambios en la resolución óptica, siempre que la ventana de energía abarque la banda completa de PL.
• Separación de Regímenes: El marco mapea con éxito cuatro regímenes de desorden canónicos (dominado por lo suave, dominado por trampas, mixto y trampa densa difuminada) en regiones distintas en un diagrama de coordenadas de desorden.

Significancia y Reivindicaciones
El artículo establece una ruta práctica y de supuestos mínimos para el diagnóstico óptico de desorden en sistemas de excitones de moiré. Sus contribuciones primarias son:

1. Huella Digital Libre de Modelo: Proporciona una huella digital de descriptores cuantitativa y libre de modelo de las estadísticas espectrales sensibles al desorden basada en jerarquías de correlación espacial.
2. Coordenadas Efectivas con Incertidumbre: Convierte estas huellas digitales en coordenadas de desorden óptico efectivas con cuantificación de incertidumbre explícita y análisis de identificabilidad, evitando la necesidad de una reconstrucción de defectos microscópicos única.
3. Flujo de Trabajo Reutilizable: El núcleo validado sirve como base para un flujo de trabajo de análisis reutilizable (HyperPL-Diag) que puede ingerir cubos experimentales sin modificaciones.

Los autores enfatizan que las coordenadas inferidas son parámetros ópticos "efectivos" condicionados a la convención de descriptores elegida y al modelo generativo mínimo, en lugar de densidades de defectos microscópicos literales. El método está diseñado como una herramienta de diagnóstico para comparar muestras y condiciones de procesamiento (por ejemplo, recocido frente a transferencia directa) y está destinado a ser validado contra sondas estructurales o electrostáticas independientes (AFM, KPFM, Raman) en futuras aplicaciones experimentales. El estudio se valida actualmente de forma íntegra sobre datos sintéticos; ningún conjunto de datos experimentales fue analizado en este trabajo.