MétaCan
Menu
Retour à la cohorte
Enregistrement W2581519295 · doi:10.1063/1.4975347

Single laser modulated drive and detection of a nano-optomechanical cantilever

2017· article· en· W2581519295 sur OpenAlexafffund
Vincent T. K. Sauer, Zhu Diao, Jocelyn N. Westwood‐Bachman, M. R. Freeman, Wayne K. Hiebert

Notice bibliographique

RevueAIP Advances · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMechanical and Optical Resonators
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesNational Research Council CanadaAlberta InnovatesAlberta Innovates - Health SolutionsAlberta Innovates - Technology FuturesNatural Sciences and Engineering Research Council of CanadaCMC MicrosystemsCanadian Institute for Advanced Research
Mots-clésCantileverLaserPhysicsNoise (video)OpticsOptomechanicsLaser power scalingLimit (mathematics)Laser Doppler vibrometerMaterials scienceOptoelectronicsResonatorComputer science

Résumé

récupéré en direct d'OpenAlex

To reduce the complexity in a nano-optomechanical system a pump and probe scheme using only a single input laser is used to both coherently pump and probe the nanomechanical device. The system operates similarly to the traditional two laser system, but instead of using a constant power to probe the device and a separate, modulated laser to drive it with an optical gradient force, a single laser is utilized for both functions. A model of the measurement scheme’s response is developed which matches the experimental data obtained in the optomechanical Doppler regime and low cavity power limit. As such, the unconventional response still yields useful device information such as the resonant frequency of the device and its mechanical quality factor. The device is driven with low noise and its frequency is tracked using a phase-locked loop. This demonstrates its potential use for dynamic frequency measurements such as nanomechanical inertial mass loading. In such a system, the estimated mass resolution of the device is 6 zg and consistent with other detection methods.

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 candidatesaucune
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 enseignants0,509
Score d'incertitude au seuil0,253

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetMechanical and Optical ResonatorsTravaux en français237 207