基于概率去噪的光谱信号可靠提取

虽然深度学习为科学研究提供了强大能力,但其应用常受定量可靠性不足的制约。为此,我们引入一种概率去噪框架,同时从噪声数据中提取去噪信号并提供元素级预测不确定性。我们在三维角分辨光电子能谱数据上演示了这一方法,表明模型可从每体素仅 0.02 个电子计数的泊松分布噪声中可靠恢复超导体 cuprate 的光谱特征。关键的是,我们表明这些预测的不确定性可传递至后续超导间隙分析中,实现带有科学意义误差棒的定量参数提取。此外,我们通过成功将其扩展至二维 X 射线衍射数据验证了方法的广泛适用性。最终,这一方法将不确定性感知的深度学习从可视化工具,变为科学数据分析的严谨框架。