MétaCan
Menu
Retour à la cohorte
Enregistrement W2156549570 · doi:10.1364/ao.52.001413

Feasibility of nanofluid-based optical filters

2013· article· en· W2156549570 sur OpenAlexaff
Robert A. Taylor, Todd Otanicar, Yasitha Herukerrupu, Fabienne Bremond, Gary Rosengarten, Evatt R. Hawkes, Xuchuan Jiang, Sylvain Coulombe

Notice bibliographique

RevueApplied Optics · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsUniversity of New South WalesNational Science Foundation
Mots-clésOptical filterBand-pass filterTransmittanceNanofluidMaterials scienceComputer scienceElectronic engineeringOpticsOptoelectronicsNanoparticleNanotechnologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this article we report recent modeling and design work indicating that mixtures of nanoparticles in liquids can be used as an alternative to conventional optical filters. The major motivation for creating liquid optical filters is that they can be pumped in and out of a system to meet transient needs in an application. To demonstrate the versatility of this new class of filters, we present the design of nanofluids for use as long-pass, short-pass, and bandpass optical filters using a simple Monte Carlo optimization procedure. With relatively simple mixtures, we achieve filters with <15% mean-squared deviation in transmittance from conventional filters. We also discuss the current commercial feasibility of nanofluid-based optical filters by including an estimation of today's off-the-shelf cost of the materials. While the limited availability of quality commercial nanoparticles makes it hard to compete with conventional filters, new synthesis methods and economies of scale could enable nanofluid-based optical filters in the near future. As such, this study lays the groundwork for creating a new class of selective optical filters for a wide range of applications, namely communications, electronics, optical sensors, lighting, photography, medicine, and many more.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,208 · 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

Citations135
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207