通过深度学习方法去除角分辨光电子能谱中的栅格结构
材料科学
2023-08-15 v2 机器学习
数据分析、统计与概率
摘要
光谱数据常含有不需要的外在信号。例如，在 ARPES 实验中，通常在 CCD 前放置金属丝网以阻挡杂散光电子，但在快速测量模式下会在能谱中引起类栅格结构。过去，常采用数学傅里叶滤波方法通过抹除周期结构来去除该结构。然而，由于栅格结构并非严格线性叠加，该方法可能导致能谱中的信息丢失与空缺。此处，我们提出一种深度学习方法以有效克服此问题。我们的方法利用能谱自身的自相关信息，可在去除栅格结构与噪声的同时极大优化能谱质量。该方法有潜力扩展至所有光谱测量，仅基于能谱的自相关来消除其他外在信号并提升光谱质量。
引用
@article{arxiv.2210.11200,
title = {Removing grid structure in angle-resolved photoemission spectra via deep learning method},
author = {Junde Liu and Dongchen Huang and Yi-feng Yang and Tian Qian},
journal= {arXiv preprint arXiv:2210.11200},
year = {2023}
}