MétaCan
Menu
Retour à la cohorte
Enregistrement W2589800717 · doi:10.1002/pssa.201600756

Optical modulation using strain tunable metallo‐dielectric films

2017· article· en· W2589800717 sur OpenAlexafffund
J. Kenji Clark, Nazir P. Kherani

Notice bibliographique

Revuephysica status solidi (a) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials sciencePlasmonThin filmDielectricOptoelectronicsTransmittanceElastomerRefractive indexPhotonicsModulation (music)Surface plasmonMetalOpticsNanotechnologyComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Significant scientific and technological advances in photonics have facilitated the development of plasmonic and metallo‐dielectric devices that rely on metal thin‐films. Metal based devices, however, are limited by the inability to actively tune the optical properties of metals. Recent work has demonstrated the ability to highly strain metal thin‐films on elastomeric substrates without losing electrical continuity in the film. Herein, we examine the optical properties of metal thin‐films deposited on elastomeric substrates under strain. We demonstrate that reversible modulation of the mechanical structure of the pliable metallo‐dielectric film results in a combination of scattering and surface plasmon excitations, that alter the film transmittance and reflectance. Further, it is shown that control over the wavelength of plasmonic resonances of the film can be achieved through variation in metal film thickness and modification of the local refractive index. The ability to actuate the plasmonic resonances of the metal thin‐films using strain represent a novel method of actively tuning the properties of metal thin‐films and will help facilitate the development of strain‐tunable plasmonic and metallo‐dielectric 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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,426
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,278
Écart entre enseignants0,250 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuephysica status solidi (a)Même sujetAdvanced Fiber Optic SensorsTravaux en français237 207