MétaCan
Menu
Retour à la cohorte
Enregistrement W2046771587 · doi:10.1364/ao.47.00c124

Estimation of the average residual reflectance of broadband antireflection coatings

2007· article· en· W2046771587 sur OpenAlexaff
Alexander V. Tikhonravov, Michael K. Trubetskov, Tatiana V. Amotchkina, J. A. Dobrowolski

Notice bibliographique

RevueApplied Optics · 2007
Typearticle
Langueen
DomaineMaterials Science
ThématiqueOptical Coatings and Gratings
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésRefractive indexOpticsResidualMaterials scienceBroadbandCoatingReflectivityOptoelectronicsMathematicsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

We deal with optimal two-material antireflection (AR) coatings for the visible and adjacent spectral regions. It has been shown before that, for a given set of input parameters (refractive indices of the substrate, ambient medium and high- and low-index coating materials, and for a given spectral width of the AR coating), such designs consist of one or more clusters of layers of approximately constant optical thickness and number of layers. We show that, through the analysis of many different optimal coatings, it is possible to derive two parameters for a simple empirical expression that relates the residual average reflectance in the AR region to the number of clusters. These parameters are given for all possible combinations of relative spectral bandwidth equal to 2, 3, and 4; low-index to ambient-medium index ratio equal to 1.38 and 1.45; and high-to-low index ratio equal to 1.4, 1.5, and 1.7. The agreement between the numerically and the empirically calculated values of residual average reflectance is excellent. From the information presented the optical thin-film designer can quickly calculate the required number of layers and the overall optical thickness of an AR coating having the desired achievable residual average reflectance.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,267
Écart entre enseignants0,254 · 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

Citations50
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetOptical Coatings and GratingsTravaux en français237 207