MétaCan
Menu
Retour à la cohorte
Enregistrement W2314586256 · doi:10.1109/jqe.2015.2509959

Quantum-Enhanced Second-Order Nonlinearity in Graphene: The Role of Wave Momentum and DC Biasing

2015· article· en· W2314586256 sur OpenAlexaff
S. Mohsen Raeis-Zadeh, D. Strickland, Safieddin Safavi‐Naeini

Notice bibliographique

RevueIEEE Journal of Quantum Electronics · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBiasingPhysicsGrapheneNonlinear opticsNonlinear systemQuantumOrder (exchange)Momentum (technical analysis)Quantum mechanicsVoltage

Résumé

récupéré en direct d'OpenAlex

A comprehensive and rigorous analysis is presented for the study of terahertz photomixing process in a biased graphene layer, when two obliquely incident waves are used as primary excitation. The second-order nonlinearity tensor of graphene associated with the difference frequency generation (DFG) is calculated to evaluate the amount of induced terahertz current density. In this analysis, we are calculating the significant contribution of the photon drag effect to the DFG and consequently to the terahertz wave generation. We also examine the effect of DC current biasing on the DFG as the Fermi energy level of graphene changes. Our results show that the DFG in graphene can be enhanced by at least two orders of magnitude when the Fermi energy level of graphene becomes equal to the energy of incident photon. This paper provides more insight into the contributing factors in the DFG process and allows the realization of more optimal graphene-based photomixing devices.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,111
Score d'incertitude au seuil0,389

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,032
Tête enseignante GPT0,293
Écart entre enseignants0,261 · 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 tête enseignante, 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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Quantum ElectronicsMême sujetGraphene research and applicationsTravaux en français237 207