MétaCan
Menu
Retour à la cohorte
Enregistrement W1973793227 · doi:10.1117/12.763382

Using film nanostructure to control photoluminescence angular emission profiles

2008· article· en· W1973793227 sur OpenAlexafffund
M.T. Taschuk, James Gospodyn, Jeremy C. Sit, Michael J. Brett

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueOptical Coatings and Gratings
Établissements canadiensNational Institute for NanotechnologyNorthern Alberta Institute of TechnologyUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials sciencePhotoluminescenceThin filmOpticsOptoelectronicsPulsed laser depositionSubstrate (aquarium)Physical vapor depositionDeposition (geology)NanostructureWavelengthNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

Luminescent thin films are used for many applications, including light-emitting diodes, lasers and flat panel displays. Glancing angle deposition (GLAD) is a physical vapor deposition technique which relies on highly oblique flux angles to create porous thin films. When combined with real-time substrate motion control and measurement of deposition rates, it is possible to produce high quality nanostructered thin films. A rugate filter uses a sinusoidally varying index profile to produce a stop band. Using the GLAD technique, it is possible to produce a rugate filter from a single material. The central wavelength, depth and width of the stop band can be designed by adjusting the film nanostructure. In this paper, rugates composed of Y2O3:Eu are used to control the angular emission profiles of the photoluminescent thin film. Confined, annular and isotropic emission profiles film is nearly uniform for emission angles between ~ -60° and ~60°.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Coatings and GratingsTravaux en français237 207