MétaCan
Menu
Retour à la cohorte
Enregistrement W2624564734 · doi:10.1109/jphot.2017.2709808

High Sensitivity Integrated Visible to Mid-Infrared Nonlinear Plasmonic Sensor

2017· article· en· W2624564734 sur OpenAlexaff
Franklin Che, Sergey A. Ponomarenko, Michael Čada, Nghia Nguyen-Huu

Notice bibliographique

RevueIEEE photonics journal · 2017
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensMetamaterial Technologies (Canada)Dalhousie University
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Figure of meritPlasmonInfraredPrismOpticsMaterials scienceRange (aeronautics)Nonlinear systemOptoelectronicsPhysicsElectronic engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

We propose a Kretschmann-based nonlinear plasmonic sensor with a gold thin film deposited on a glass prism. Visible and mid-infrared signals are generated in this configuration through the nonlinear processes of sum- and difference-frequency generation, respectively. The calculated maximum sensitivity and figure of merit of our sum-frequency-based sensor is an order of magnitude higher than that of a traditional Kretschmann-based sensor in the visible range. Our difference-frequency-based sensor has a maximum sensitivity of 1.0 × 10 <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">6</sup> nm/RIU in air at 4.29 μm, which is three orders of magnitude higher than that of existing devices in the mid-infrared range, with its maximum figure of merit almost two orders of magnitude higher than the alternatives. By comparison, the calculated sensitivity for operation in water for both sum- and difference-frequency is about half that in air. We, thus, demonstrate significant gains in the sensitivity of the well-known Kretschmann-based plasmonic sensor over a wide wavelength range, without modifying the physical sensor, but by exploiting and simply taping the nonlinear optical properties of the system.

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)0,001
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 enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,020
Tête enseignante GPT0,268
Écart entre enseignants0,248 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE photonics journalMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207