An autoencoder for compressing angle-resolved photoemission spectroscopy data

要約

角度分解光電子分光（ARPES）は、固体の電子構造を決定するための強力な実験手法である。ARPES実験用の光源の進歩は、現在、データ取得速度とデータ量の大幅な増加をもたらしている。その一方で、最先端のARPES装置へのアクセス時間は依然として厳しく制限されており、この時間を有効活用するための高速で効果的、かつオンザフライのデータ解析ツールが求められている。このニーズに応えるため、ARPESデータセットを効率的に要約・圧縮する汎用性の高いオートエンコーダーネットワークであるARPESNetを紹介する。標準的な3次元ARPESデータセットを$mathbf{k}$のランダムな方向に沿って切断して抽出した2次元ARPESデータの大規模で多様なデータセットでARPESNetを訓練する。ARPESNetのデータ表現能力を検証するため、ARPESNetで圧縮したデータ、離散コサイン変換で圧縮したデータ、生データの$k$平均クラスタリング品質を、ノイズレベルを変えて比較する。ARPESNetのデータは圧縮率が高いにもかかわらず、クラスタリング品質に優れている。

要約(オリジナル)

Angle-resolved photoemission spectroscopy (ARPES) is a powerful experimental technique to determine the electronic structure of solids. Advances in light sources for ARPES experiments are currently leading to a vast increase of data acquisition rates and data quantity. On the other hand, access time to the most advanced ARPES instruments remains strictly limited, calling for fast, effective, and on-the-fly data analysis tools to exploit this time. In response to this need, we introduce ARPESNet, a versatile autoencoder network that efficiently summmarises and compresses ARPES datasets. We train ARPESNet on a large and varied dataset of 2-dimensional ARPES data extracted by cutting standard 3-dimensional ARPES datasets along random directions in $\mathbf{k}$. To test the data representation capacity of ARPESNet, we compare $k$-means clustering quality between data compressed by ARPESNet, data compressed by discrete cosine transform, and raw data, at different noise levels. ARPESNet data excels in clustering quality despite its high compression ratio.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL