Navrhněte metodu pro zpracování měření typu break junction

Abstract

Experimenty typu break junction vyžadují sběr velkých dat vodivostních křivek. Avšak ne všechny křivky mají pro nás výpovědní hodnotu. Kupříkladu se molekula nemusí na elektrody navázat a tím pádem po snapbacku (odtržení) pozorujeme exponenciální útlum tunelovacího proudu nebo má vodivost při oddalování elektrod nestandardní trend, což může být zapříčiněno kontaminací roztoku. Naším cílem je rozlišit a vytřídit křivky bez molekuly a ty, které obsahují další význačný rys. Pro tento účel jsem se rozhodli využít nástrojů strojového učení typu unsupervised i supervised.

Break junction experiments require us to collect many conductance traces. However, not every trace has a meaningful value. For example we can observe exponential decay of tunnelling current after a snapback event when no molecule is present or due to contamination; a trace can have a non-standard slope as electrodes move apart. We want to filter out traces with no molecule present and preserve traces that follow an expected trend. We have settled on using supervised and unsupervised machine learning techniques.