MétaCan
Menu
Retour à la cohorte
Enregistrement W2512490658 · doi:10.1109/lpt.2016.2606506

High-Efficiency Nanoplasmonic Wavelength Filters Based on MIM Waveguides

2016· article· en· W2512490658 sur OpenAlexaff
Seyed Morteza Ebadi, Mohammad Sajjad Bayati, Siamak Bonyadi Ram, Seyed Mohsen Poursajadi, Mehrdad Jamili

Notice bibliographique

RevueIEEE Photonics Technology Letters · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCutoff frequencyWavelengthMaterials scienceOpticsBand-pass filterOptoelectronicsFilter (signal processing)PhotonicsOptical filterWaveguideWaveguide filterCutoffPrototype filterLow-pass filterPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Two ultra-compact nanoplasmonic wavelength filters based on stepped impedance low-pass prototype filter in metal-insulator-metal waveguides are suggested. The transmission and reflection efficiency of both high-pass wavelength and long-wavelength cutoff filter is more than 93%, respectively. Simulation results reveal that similar to the tunability of the structure's transmission spectrum by changing the thickness of the insulator medium, the variations of the width of steps' discontinuities in the high-pass device not only provide an effective method to adjust the transmission peak/cutoff wavelength position, but also give rise to the structure to realize a long-wavelength cutoff filter. On the contrary, modifying the value of aperture length in the proposed long-wavelength cutoff filter gives the capability to control the cutoff wavelength. Moreover, changing the insulator medium to silica converts the device as a dual band bandpass filter at the wavelengths of 1300 and 1550 nm with efficiency of more than 85.2% and 78.1%, respectively. Hence, because of their excellent performance, features, and optimized size, they may have applications in high density photonic integrated circuits.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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.

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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Photonics Technology LettersMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207