MétaCan
Menu
Retour à la cohorte
Enregistrement W2528946637 · doi:10.1021/acsphotonics.8b00325

Shaping Polaritons to Reshape Selection Rules

2018· article· en· W2528946637 sur OpenAlexfundno aff
Francisco Machado, Nicholas Rivera, Hrvoje Buljan, Marin Soljačić, Ido Kaminer

Notice bibliographique

RevueACS Photonics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensnon disponible
Organismes subventionnairesFP7 People: Marie-Curie ActionsArmy Research OfficeAzrieli FoundationU.S. Department of Energy
Mots-clésPolaritonSelection (genetic algorithm)Computer sciencePhysicsOptoelectronicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The discovery of orbital angular momentum (OAM) in light established a new degree of freedom by which to control not only its flow but also its interaction with matter. Here, we show that by shaping extremely subwavelength polariton modes, for example by imbuing plasmon and phonon polaritons with OAM, we engineer which transitions are allowed or forbidden in electronic systems such as atoms, molecules, and artificial atoms. Crucial to the feasibility of these engineered selection rules is the access to conventionally forbidden transitions afforded by subwavelength polaritons. We also find that the position of the absorbing atom provides a surprisingly rich parameter for controlling which absorption processes dominate over others. Additional tunability can be achieved by altering the polaritonic properties of the substrate, for example by tuning the carrier density in graphene, potentially enabling electronic control over selection rules. Our findings are best suited to OAM-carrying polaritonic modes that can be created in graphene, monolayer conductors, thin metallic films, and thin films of polar dielectrics such as boron nitride. By building on these findings we foresee the complete engineering of spectroscopic selection rules through the many degrees of freedom in the shape of optical fields.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,573
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,002

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 Opus0,027
Tête enseignante GPT0,272
Écart entre enseignants0,245 · 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

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS PhotonicsMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207