《npj Computational Materials》：Extraction of the self energy and Eliashberg function from angle resolved photoemission spectroscopy using the xARPES code
编辑推荐：
角分辨光电子能谱（ARPES）是研究电子谱函数及各向异性多体相互作用的有力实验工具。现有方法在分解谱函数为非相互作用色散及电子-声子、电子-电子、电子-杂质自能时，依赖能带线性化与手动赋值，存在局限。本研究发展了一套新方法，能够自洽地提取弯曲色散的自能，并将最大熵方法扩展至结合贝叶斯推断的Eliashberg函数提取，优化了描述色散、电子-电子与电子-杂质相互作用大小的参数。新方法在模型数据上验证后，应用于两个高质量实验数据集：在TiO2终止的SrTiO3二维电子液体中识别了声子模式；在Li掺杂石墨烯中，从不同色散提取的Eliashberg函数达到了前所未有的吻合度。相关功能已集成于新型Python代码xARPES中发布。
在凝聚态物理的世界里，材料的“性格”往往由其中的电子如何行为决定。想要深入理解高温超导、量子相变等奇异现象，科学家们需要一套能够“看清”电子微观相互作用的显微镜。角分辨光电子能谱（Angle-Resolved Photoemission Spectroscopy, ARPES）正是这样一件强大的工具。它通过测量光电子的能量和出射角度，能够直接描绘出材料内部电子的能量与动量关系，即所谓的电子谱函数。这个谱函数就像一张“心电图”，它不仅显示了电子本来的能量状态（色散关系），还忠实记录下了电子在旅途中与晶格振动（声子）、其他电子以及杂质等发生的种种“碰撞”与相互作用留下的痕迹——这些信息都被编码在“自能”这个物理量中。特别是其中源于电子-声子耦合的部分，可以通过 Eliashberg 函数来定量描述，这对于理解常规超导电性机制至关重要。
然而，从复杂的实验数据中准确、定量地分离出这些不同的相互作用贡献，一直是一个棘手的挑战。传统的方法通常需要对能带形状做线性化的近似假设，并且往往依赖研究人员手动设定自能的大小，这个过程既繁琐又容易引入主观偏差。尤其是在研究具有显著弯曲色散的材料时，现有方法的局限性就更加凸显。为了克服这些障碍，让ARPES数据的分析更加自动化、客观化和精确化，一项新的研究应运而生，其成果发表在《npj Computational Materials》期刊上。
为了回答上述问题，研究人员开发了一套创新的计算方法。首先，他们提出了一种能够自洽地处理弯曲电子色散的自能提取方法，摆脱了对能带线性化的依赖。其次，他们将广泛应用于图像复原等领域的最大熵方法（Maximum-Entropy Method）与贝叶斯推断（Bayesian Inference）的统计框架相结合，创造性地应用于从ARPES数据中提取Eliashberg函数。这套方法框架能够同时优化对材料电子色散（非相互作用部分）的描述，以及对电子-电子相互作用和电子-杂质相互作用自能大小的估计，从而更干净地分离出我们关心的电子-声子相互作用部分。为了验证和展示新方法的威力，研究人员不仅在理论模型数据上进行了测试与对比，更将其应用于两个高质量的真实实验数据集进行分析。为了方便学界使用，他们将所有这些功能集成并发布为一个全新的开源Python代码包，命名为xARPES。
本研究主要采用了计算物理与数据分析领域的关键技术。核心是发展了基于最大熵原理和贝叶斯推断框架的优化算法，用于从角分辨光电子能谱（ARPES）数据中自洽地提取电子自能（self-energy）和 Eliashberg 函数。该方法整合了对弯曲电子色散（curved dispersions）的处理能力，并同时优化电子-电子（electron-electron）和电子-杂质（electron-impurity）相互作用的贡献参数。研究使用了合成的模型数据（model data）进行方法验证与对比，并应用了两个高质量的实验角分辨光电子能谱数据集进行实证分析。
研究结果
1. 在模型系统上验证新方法
研究人员首先在模拟生成的、已知“标准答案”的模型数据上测试了他们的新方法。他们将新方法（xARPES）与当前领域内最先进的其他几种分析手段进行了对比。结果显示，无论是对于提取自能还是 Eliashberg 函数，xARPES 方法都展现出了更高的准确性和可靠性。特别是在处理具有显著弯曲的电子能带时，新方法能够更精确地还原出预设的电子-声子耦合谱，而传统基于线性化假设的方法则会产生明显的偏差。这初步证明了新方法在处理复杂色散情况下的优越性。
2. 识别SrTiO3表面二维电子液体中的声子模式
第一个实验应用对象是钛酸锶（SrTiO3）这种重要的氧化物材料。在其TiO2终止的表面上，存在一个有趣的二维电子液体（two-dimensional electron liquid）。研究人员利用xARPES方法分析了该体系的ARPES数据。通过自洽地提取 Eliashberg 函数，他们成功地分辨出了该二维电子液体所耦合的特定声子模式（phonon modes）。分析得到的 Eliashberg 函数在特定能量处出现了明显的峰结构，这些峰对应着材料中特定的声子振动能量。这一案例表明，新方法能够从真实的复杂材料数据中，提取出清晰的电子-声子耦合“指纹”，有助于识别具体是哪些晶格振动模式在与电子发生强烈相互作用。
3. 在Li掺杂石墨烯中实现 Eliashberg 函数提取的一致性
第二个实验案例聚焦于锂（Li）掺杂的石墨烯。石墨烯的能带具有典型的线性狄拉克锥（Dirac cone）特征，但在掺杂和相互作用的修正下，其色散会发生变化。研究人员分析了锂掺杂石墨烯的ARPES数据，并从一个狄拉克锥的上下两支弯曲的色散（分别对应电子型和空穴型载流子）中，独立地提取 Eliashberg 函数。令人印象深刻的是，尽管是从两条不同的、形状各异的色散曲线出发，但提取出的两个 Eliashberg 函数却高度吻合。这种前所未有的跨色散一致性，强有力地证明了xARPES方法的可靠性和物理结果的稳健性。它表明提取出的 Eliashberg 函数确实反映了材料内在的、与载流子类型无关的电子-声子耦合性质，而不是分析过程带来的假象。
结论与讨论
本研究成功地发展并验证了一套全新的、强大的计算分析框架，用于从角分辨光电子能谱数据中定量提取电子自能和 Eliashberg 函数。该研究的主要结论和重要意义在于：
首先，在方法论上取得了重要突破。研究克服了传统方法依赖能带线性化和手动干预的局限，实现了对任意形状（尤其是弯曲）电子色散的自洽、自动化分析。通过将最大熵方法与贝叶斯推断相结合，建立了一个稳健的优化框架，能够同时确定电子色散、电子-电子相互作用和电子-杂质相互作用的参数，从而更干净、更可信地分离出电子-声子相互作用的贡献。这为ARPES数据的定量分析设立了新的标准。
其次，通过在高影响力的实验体系（SrTiO3表面二维电子液体和Li掺杂石墨烯）上的成功应用，实证了新方法的有效性和实用价值。在SrTiO3案例中，方法实现了对特定声子模式的识别；在石墨烯案例中，实现了从不同色散提取 Eliashberg 函数的惊人一致性。这些应用不仅解决了具体材料科学中的问题，更展示了该方法在揭示复杂量子材料中多体相互作用细节方面的巨大潜力。
最后，研究团队将整套算法开源发布为xARPES Python代码，极大地促进了方法的可及性和可重复性。这有助于推动整个角分辨光电子能谱学界采用更先进、更统一的数据分析流程，加速相关领域的研究进程。总而言之，这项工作通过方法创新、实证验证和工具共享，显著提升了对角分辨光电子能谱这一核心实验技术所产生数据的解读深度与精度，为理解和设计具有新奇电子性质的材料提供了更锐利的分析工具。
