Extraction of the self energy and Eliashberg function from angle resolved photoemission spectroscopy using the xARPES code

本論文は、角度分解光電子分光データにおける曲がった分散関係から電子自己エネルギーとエリアシュベルグ関数を一貫して抽出するために、ベイズ推論を用いた拡張最大エントロピー法を採用した xARPES Python コードを導入し、既存の線形化に基づく手法と比較してモデルデータおよび実験データの両方で優れた精度を示すことを明らかにする。

要約

混み合ったダンスフロアの仕組みを理解しようとしていると想像してください。あなたには、音楽（エネルギー）に合わせて動くダンサーたち（電子）のグループがいます。時には、ダンサー同士がぶつかったり、床を振動させるベースの音（フォノン）に気を取られたりします。これらの相互作用は、彼らが動く速さやフロアに留まる時間に影響を与えます。

物理学の世界では、科学者たちはこれらのダンサーの「スナップショット」を撮るために、角度分解光電子分光法（ARPES） という技術を用います。彼らは物質に光を照射し、電子を叩き出し、その速度と方向を測定します。これにより、ダンスフロアの地図が作成されます。

しかし、この地図を読み解くのは難しいことです。生データは、ダンサーの経路が曲がって絡み合った、ぼやけたノイズの多い画像です。ダンスの規則（物理学）を理解するために、科学者たちは、音楽や他のダンサーによって引き起こされる「擾乱」から、ダンサーの「自然な」経路を分離する必要があります。この分離は、自己エネルギーとエリヤシェフ関数の抽出と呼ばれます。

以下に、この論文の内容を簡単に説明します。

1. 問題：曲がった道路に直線を引こうとする試み

以前、科学者たちはこれらのダンス地図を分析する際、ダンサーが完全な直線で移動していると仮定していました。彼らはデータに直線を引いて、「直線と実際の経路の差が擾乱である」と言っていました。

この論文の著者たちは言います。「道路が曲がっている場合、それはうまく機能しません。」
多くの物質において、電子の自然な経路は直線ではなく、曲線（放物線など）です。曲がった道路にまっすぐな定規を当ててフィットさせようとすれば、擾乱の測定は不正確になります。これは、コースターが平坦な軌道だと仮定して、その風圧抵抗を測定しようとするようなものです。

2. 解決策：「xARPES」というコード

チームは、xARPES という新しいコンピュータプログラムを作成しました。このプログラムは、ダンスフロアのための超スマートな GPS と考えてください。データを無理やり直線に当てはめるのではなく、xARPES は「道路」を曲線（放物線）や、さらに複雑な形状として扱います。

これは主に 3 つのことを行います。

• 曲線をフィットさせる： 電子が何とも相互作用していないときに、最も適切な曲線経路を見つけ出します。
• ノイズを分離する： 数学的に「ノイズ」（擾乱）を剥ぎ取り、音楽（フォノン）や他の電子との衝突によって、電子がどの程度減速または加速されているかを正確に明らかにします。
• 楽譜を明らかにする： エリヤシェフ関数を再構成します。自己エネルギーが「擾乱」であるなら、エリヤシェフ関数は振動の楽譜です。床がどの音（周波数）で、どれほどの音量で振動しているかを正確に教えてくれます。

3. 「ベイズ的」な探偵仕事

この論文の最大の革新点の一つは、不確実性への対処法です。通常、科学者たちは分析の開始パラメータを推測しなければなりません（例えば、ダンサーが動き出す前の速度を推測するなど）。これは主観的であり、バイアスにつながる可能性があります。

著者たちは、ベイズ推論と呼ばれる手法を使用します。これは、単に推測するのではなく、新しい手がかりに基づいて常に仮説を更新する探偵のようなものです。

• コードは推測から始めます。
• データを確認します。
• 「このデータに基づいて、最も確からしい真実は何だろうか？」と問います。
• 答えが安定するまで、このループを繰り返します。

これにより「人間の推測」が排除され、結果が科学者が見たいと望んだものではなく、データに対する統計的に最も確からしい説明であることが保証されます。

4. 実世界でのテスト

著者たちは単にツールを構築しただけでなく、2 つの実際の「ダンスフロア」でテストしました。

• チタン酸ストロンチウム（SrTiO3）： 彼らはこの物質上の薄い電子層を観察しました。その結果、電子に当たる光の特定の仕方（「行列要素」と呼ばれるもの）を無視すると、測定値が2 倍もずれる可能性があることがわかりました。これは、太陽の角度を考慮せずに影を測定するようなものです。xARPES はこれを修正し、振動のより明確な画像を提供しました。
• リチウムドープグラフェン： 彼らはグラフェン（単一の炭素原子層）を分析しました。同じバンドの 2 つの異なる側からのデータを採取しました。過去には、これら 2 つの側はわずかに異なり、矛盾する結果をもたらしていました。xARPES を使用することで、結果は前例のないほど類似していることが判明し、このツールが複雑で曲がった経路からも一貫性のある信頼性の高いデータを抽出できることを証明しました。

まとめ

この論文は、物質中の振動と電子がどのように相互作用するかを研究するための高精度レンズとして機能する新しいソフトウェアツール、xARPES を紹介しています。

• 旧来の方法： 曲がったデータを直線に無理やり当てはめ、ぼやけたバイアスのかかった結果をもたらしていました。
• 新しい方法： 曲線を用いた数学と、「探偵」アルゴリズム（ベイズ推論）を使用して、自動的に最も正確な経路と振動の正確な「楽譜」を見つけ出します。
• 結果： 科学者たちは、特に電子の経路が曲がっている物質において、電子相互作用の測定を以前よりもはるかに信頼できるようになりました。

著者たちは、このコードをオープンソースソフトウェアとして公開し、他の科学者たちが新しい物質の「ダンスフロア」を解読できるようになっています。

技術概要

以下は、論文「xARPES コードを用いた角度分解光電子分光からの自己エネルギーおよびエリアシュベルグ関数の抽出」の詳細な技術的概要です。

1. 問題提起

角度分解光電子分光（ARPES）は、電子スペクトル関数を解析することで、特に電子 - 格子結合（EPC）を含む電子 - ボソン相互作用を研究するための主要な手段です。しかし、実験データから定量的な多体パラメータ（具体的には電子自己エネルギー $\Sigma(E)$ およびエリアシュベルグ関数 $\alpha^2F(\omega)$）を抽出することには、いくつかの課題があります。

• 非線形分散関係: 従来の手法は、非相互作用バンド分散（$\varepsilon_n(k)$）を線形として近似することが多いです。バンドが曲がっている場合（放物線型または高次）、スペクトル関数が運動量空間において単純なローレンツ関数ではないため、自己エネルギーの抽出にバイアスが生じます。
• 手動によるパラメータ割り当て: 全自己エネルギーをフォノン（$\Sigma_{ph}$）、電子 - 電子（$\Sigma_{el}$）、不純物（$\Sigma_{imp}$）の寄与に分解する作業は、通常、手動の視覚的検査または恣意的な仮定に依存しており、人間のバイアスを導入します。
• 行列要素効果: 光電子放出行列要素（PME）を無視すると、抽出された自己エネルギーが著しく歪められ、場合によっては 2 倍の誤差が生じることがあります。
• 逆問題の不安定性: $\Sigma(E)$ から $\alpha^2F(\omega)$ を抽出することは、不適切な逆問題です。標準的な最大エントロピー法（MEM）アプローチは、ハイパーパラメータの慎重な調整と事前知識を必要とし、パラメータ最適化のための厳密な統計的枠組みを欠くことが多いです。

2. 手法

著者らは、自己エネルギーおよびエリアシュベルグ関数を抽出するための厳密かつ自動化されたワークフローを実装した Python コード（GPL-v3 ライセンス）であるxARPESを導入します。手法は主に 3 つの段階で構成されます。

A. 曲がった分散関係を用いた高度な MDC フィッティング

• 線形バンドを仮定する代わりに、xARPES は多項式非相互作用分散関係（例：放物線型）を用いて運動量分布曲線（MDC）をフィッティングします。
• コードは、実験幾何学と試料回転を考慮して、検出器角度を結晶運動量にマッピングします。
• 光電子放出行列要素（PME）補正を組み込み、軌道特性や光の偏光に起因するスペクトル強度の変動を補正するために、ユーザーが角度依存行列要素 $|M_n(\eta)|^2$ を指定できるようにしています。
• フィッティングにより無次元のピーク位置（$\tilde{r}_n$）と幅（$\tilde{\gamma}_n$）を抽出し、これらを自己エネルギーの実部 $\tilde{\Sigma}'_n(E)$ と虚部 $-\tilde{\Sigma}''_n(E)$ に変換します。

B. 自己エネルギーの分解

全自己エネルギーはマッテッセンの法則に従って分解されます。
$$\Sigma_n(E) = \Sigma_{ph,n}(E) + \Sigma_{el,n}(E) + \Sigma_{imp,n}(E)$$

• $\Sigma_{imp}$: 静的な虚数減衰率（$-i\Gamma_{imp}$）としてモデル化されます。
• $\Sigma_{el}$: 低エネルギーでフェルミ液体挙動を満たし、紫外発散を避けるために高エネルギーで $|E|^{-2}$ として減衰する、クラマース - クローニグ整合的な現象論的関数を用いてモデル化されます。
• $\Sigma_{ph}$: 動的なファン - ミグダル項が支配的であり、核積分方程式を介してエリアシュベルグ関数と関連付けられます。

C. ベイジアン推論と最大エントロピー法（MEM）

• ワンショット抽出: コードは MEM を用いて、$\Sigma_{ph}(E)$ と $\alpha^2F(\omega)$ を関連付ける積分方程式を逆転させます。これには、$\alpha^2F$ の正定値性などの事前知識が、一般化されたシャノン - ジェイネスエントロピー項を介して組み込まれます。
• 二重ループ最適化: 新たな貢献として、MEM をベイジアン推論ループに統合しています。
  • 内側ループは、モデルパラメータの固定セットに対して $\alpha^2F(\omega)$ を最適化します。
  • 外側ループは、事後確率を最大化するためにモデルパラメータ（非相互作用質量 $m_b$、フェルミ波数 $k_F$、不純物強度 $\Gamma_{imp}$、電子 - 電子結合 $\lambda_{el}$、モデル関数の高さ $h$）を最適化します。
  • これにより手動のパラメータ調整が不要となり、最も確からしいパラメータの統計的に堅牢な決定が可能になります。

3. 主な貢献

1. xARPES ソフトウェア: ARPES データからの多体パラメータの抽出を自動化する包括的なオープンソース Python パッケージのリリース。線形および曲がった（放物線型）分散関係の両方をサポート。
2. 曲がった分散関係の処理: 非線形バンド分散関係を正しく処理する形式の確立。従来の曲がったバンドに対するローレンツ関数フィッティングに内在するバイアスを除去。
3. 自動化されたベイジアン最適化: 非相互作用分散関係パラメータと散乱チャネル（電子 - 電子、不純物）の大きさを、エリアシュベルグ関数と同時に最適化する新しい枠組み。人間のバイアスを排除。
4. 行列要素補正: PME 補正の明示的な実装。定量的な自己エネルギー抽出におけるその決定的な重要性を実証。
5. 定量的比較指標: 異なる分枝またはデータセットから抽出されたエリアシュベルグ関数を定量的に比較するためのユークリッド距離測度の導入。

4. 結果と検証

A. 合成データによる検証

• 既知の真のパラメータを持つ人工データを用いて、xARPES が真の自己エネルギーおよびエリアシュベルグ関数を高い精度で回復できることを示しました。
• この手法は、有限のエネルギー分解能であっても、曲がった分散関係フィッティングがバイアスのない結果（95% 信頼区間の重なり）をもたらすことを実証しました。一方、線形/ローレンツフィッティングは高い結合エネルギーで著しいバイアスを導入します。
• ベイジアンループは、現実的なノイズレベルにおいて、モデルパラメータ（質量、$k_F$、結合強度）を真の値の約 5% 以内で回復することに成功しました。

B. ケーススタディ 1: TiO$_2$ 終端 SrTiO$_3$

• 系: Nb 添加 SrTiO$_3$ 上の 2 次元電子液体（2DEL）。
• 知見:
  • $d_{xy}$ バンドの内部左分枝と内部右分枝から抽出されたエリアシュベルグ関数は高い類似性を示しました（$M \approx 0.01$）。これは基礎的な対称性を示唆しています。
  • PME の影響: 行列要素補正を無視すると、自己エネルギーは補正済みの値の約2 倍となり、定量的分析における PME の必要性を浮き彫りにしました。
  • 以前の研究と一致するフォノンモード（TO4、LO4）を特定しましたが、分解能が向上しアーチファクトが減少しました。

C. ケーススタディ 2: Li 添加グラフェン

• 系: Co(0001) 上の準自由 Li 添加グラフェン。
• 知見:
  • 線形ディラックコーン分散関係に適用されました。
  • 2 つの対称性等価なキンク（L 分枝と R 分枝）から抽出されたエリアシュベルグ関数は、前例のない一致（$M \approx 0.0067$）を示し、以前の実験的比較よりも著しく優れていました。
  • 結果は、実験的非対称性（例えばフェルミ端のシフトなど）がわずかな不一致の主要な原因であることを確認し、抽出手法の堅牢性を検証しました。
  • 約 166 meV 付近の支配的なフォノンモード（A'$_1$ および E$_{2g}$ モード）を特定しました。

5. 意義

• 実験と理論の架け橋: xARPES は、エリアシュベルグ関数を抽出するための標準化されたバイアスのない手法を提供し、第一原理計算（DFPT、GW、DMFT など）との直接的かつ公平な比較を可能にします。
• 再現性: ベイジアン推論によるパラメータ選択を自動化することで、手動フィッティングの「ブラックボックス」性を排除し、結果の再現性と客観性を保証します。
• コミュニティ標準: xARPES のリリースは、特に複雑なバンド構造や強い多体相互作用を持つ系に対する ARPES データ解析の新たな基準を確立します。
• 将来の方向性: モジュール化されたコード構造により、高次分散項の追加、プラズモン結合の取り込み、理論的非相互作用分散関係との直接比較などの将来の拡張が可能になります。

要約すると、この研究は ARPES データの定量的分析における大きな進歩を示しており、定性的な視覚的検査から、電子 - ボソン結合パラメータの厳密で自動化され、統計的に健全な抽出へと移行するものです。