利用机器学习探究时间与角度分辨光电子能谱中的线型
强关联电子
2025-06-04 v1
摘要
时间与角度分辨光电子能谱是研究量子材料中激发载流子动力学的强大技术。通常，数据分析通过检查时间分布曲线来进行，这些曲线代表了能量-动量空间中通常略带任意性选择的感兴趣区域中随时间变化的光电子发射强度。在这里，我们采用 -means 这一无监督机器学习技术，系统地研究了准独立单层石墨烯和一个简单解析模型的 TDC 线型趋势。我们的分析揭示了有限的能量和时间分辨率如何影响 TDC 线型。我们讨论了如何在定量分析中考虑这一点，以及在什么条件下激光激发后随时间变化的光电子发射强度可以近似为简单的指数衰减。
关键词
引用
@article{arxiv.2506.02137,
title = {Line shapes in time- and angle-resolved photoemission spectroscopy explored by machine learning},
author = {Tami C. Meyer and Gesa-R. Siemann and Paulina Majchrzak and Thomas Seyller and Jennifer Rigden and Yu Zhang and Emma Springate and Charlotte Sanders and Philip Hofmann},
journal= {arXiv preprint arXiv:2506.02137},
year = {2025}
}