MétaCan
Menu
Retour à la cohorte
Enregistrement W2001310758 · doi:10.1038/srep01715

An Optical Super-Microscope for Far-field, Real-time Imaging Beyond the Diffraction Limit

2013· article· en· W2001310758 sur OpenAlexafffund
Alex M. H. Wong, George V. Eleftheriades

Notice bibliographique

RevueScientific Reports · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueNear-Field Optical Microscopy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDiffractionOpticsPoint spread functionMicroscopeOptical microscopeMicroscopyResolution (logic)Near and far fieldNear-field scanning optical microscopeImage resolutionNear-field opticsLimit (mathematics)Computer sciencePhysicsArtificial intelligenceMathematicsScanning electron microscope

Résumé

récupéré en direct d'OpenAlex

Optical microscopy suffers from a fundamental resolution limitation arising from the diffractive nature of light. While current solutions to sub-diffraction optical microscopy involve combinations of near-field, non-linear and fine scanning operations, we hereby propose and demonstrate the optical super-microscope (OSM) - a superoscillation-based linear imaging system with far-field working and observation distances - which can image an object in real-time and with sub-diffraction resolution. With our proof-of-principle prototype we report a point spread function with a spot size clearly reduced from the diffraction limit, and demonstrate corresponding improvements in two-point resolution experiments. Harnessing a new understanding of superoscillations, based on antenna array theory, our OSM achieves far-field, sub-diffraction optical imaging of an object without the need for fine scanning, data post-processing or object pre-treatment. Hence the OSM can be used in a wide variety of imaging applications beyond the diffraction limit, including real-time imaging of moving objects.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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

Citations119
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetNear-Field Optical MicroscopyTravaux en français237 207