MétaCan
Menu
Retour à la cohorte
Enregistrement W2763764249 · doi:10.1103/physreva.97.013847

Third-harmonic terahertz generation from graphene in a parallel-plate waveguide

2018· article· en· W2763764249 sur OpenAlexafffund
Parvin Navaeipour, Ibraheem Al‐Naib, Marc M. Dignam

Notice bibliographique

RevuePhysical review. A/Physical review, A · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQueen's University
Mots-clésTerahertz radiationGrapheneFermi energyWaveguideHigh harmonic generationMaterials scienceCondensed matter physicsDispersion (optics)Band gapElectronOptoelectronicsPhysicsOpticsQuantum mechanicsNanotechnology

Résumé

récupéré en direct d'OpenAlex

Graphene as a zero-band-gap two-dimensional semiconductor with a linear electron band dispersion near the Dirac points has the potential to exhibit very interesting nonlinear optical properties. In particular, third-harmonic generation of terahertz radiation should occur due to the nonlinear relationship between the crystal momentum and the current density. In this work, we investigate the terahertz nonlinear response of graphene inside a parallel-plate waveguide. We optimize the plate separation and Fermi energy of the graphene to maximize third-harmonic generation, by maximizing the nonlinear interaction while minimizing the loss and phase mismatch. The results obtained show an increase by more than a factor of 100 in the power efficiency relative to a normal-incidence configuration for a 2.0-THz incident field.

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), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
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)0,0010,000
Bibliométrie0,0000,001
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)0,0000,002

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 Opus0,020
Tête enseignante GPT0,326
Écart entre enseignants0,306 · 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'étudeSans objet
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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. A/Physical review, AMême sujetTerahertz technology and applicationsTravaux en français237 207