面向 AI 就绪的 ARPES 社区数据库框架

凝聚态物理 > 材料科学

arXiv:2610.15236（cond-mat）

作者：Zhi-Xun Shen、Jin Gene Wong、Karen Lei、Leon Garcia、Felix Baumberger、Sergey Borisenko、Aaron Bostwick、Ting Cao、Tanny Chavez、Yulin Chen、Monika Choudhary、Andrea Damascelli、Dan Dessau、Thomas P. Devereaux、Sandy A. Ekahana、Alexei Fedorov、Atsushi Fujimori、Yucheng Guo、M. Zahid Hasan、Makoto Hashimoto、Yu He、Philip Hofmann、Zahid Hussain、Harold Y. Hwang、Zhurun Ji、Chunjing Jia、Timur K. Kim、Phil D. C. King、Takeshi Kondo、Alessandra Lanzara、Chun Lin、Donghui Lu、Matteo Michiardi、Sung-Kwan Mo、Brian Moritz、Laurenz Rettig、Eli Rotenberg、Takafumi Sato、Kyle M. Shen、Jonathan A. Sobota、Inna Vishik、Shuolong Yang、Ming Yi、Timothy Zaklama

查看 PDF

摘要：凝聚态领域将从人工智能（AI）的广泛采用中获益匪浅。然而，其当前的数据组织方式阻碍了这一进程。作为材料性质背后电子结构的首要测量手段，角分辨光电子能谱（ARPES）已积累了四十余年的谱数据，但该领域以论文为中心的流程仅保留了其实验记录中经过高度筛选的一小部分。一个共享的数据生态系统可以将这些碎片化的测量及其背景转化为持久、集体的科学记忆，为可复现性和复用创造即时价值，同时为 AI 驱动的发现奠定基础。在本展望中，我们报告了近期一次社区研讨会的成果，并提出了通向此类生态系统的切实路径。其益处沿三个时间尺度展开。近期，标准化、可搜索且可引用的数据集可独立于 AI 强化分析流程。中期，跨实验室运行的经社区验证的工具可实现更广泛的复用以及日益闭环的自动化实验。长期，多样化的实测电子能谱语料库可支撑量子物质的基础模型。展望未来，多样化的实测电子能谱语料库可支撑量子物质的基础模型和新的发现。我们讨论了现有科学数据库的经验教训、ARPES 中 AI 的现状，以及社区在数据组织、访问、署名、治理和分阶段试点计划方面趋于一致的领域。

评论：	审稿中的预印本
主题：	材料科学（cond-mat.mtrl-sci）；强关联电子（cond-mat.str-el）；超导（cond-mat.supr-con）；人工智能（cs.AI）
引用为：	arXiv:2610.15236 [cond-mat.mtrl-sci]
	（或 arXiv:2610.15236v1 [cond-mat.mtrl-sci] 为此版本）
	https://doi.org/10.48550/arXiv.2610.15236 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

发件人：Jin Gene Wong [查看电子邮件]
[v1] 2026年10月11日星期日 00:12:54 UTC（7,797 KB）

全文链接：

访问论文：

当前浏览上下文：

cond-mat.mtrl-sci

更改为按以下方式浏览：

书签

文献与引用工具

与本文相关的代码、数据和媒体

演示

arXivLabs：与社区合作者开展的实验性项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都认同并接受了我们开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。

有想要为 arXiv 社区创造价值的项目想法吗？了解有关 arXivLabs 的更多信息。