MétaCan
Menu
Retour à la cohorte
Enregistrement W2766562298 · doi:10.1364/optica.4.001358

Solid-state-biased coherent detection of ultra-broadband terahertz pulses

2017· article· en· W2766562298 sur OpenAlexaff
Alessandro Tomasino, Anna Mazhorova, Matteo Clerici, Marco Peccianti, Sze-Phing Ho, Y. Jestin, Alessia Pasquazi, Andrey Markov, Xin Jin, Riccardo Piccoli, S. Delprat, Mohamed Chaker, Alessandro Busacca, Jalil Ali, Luca Razzari, Roberto Morandotti

Notice bibliographique

RevueOptica · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésTerahertz radiationUltrashort pulseBroadbandOptoelectronicsLaserMaterials scienceDetectorOpticsElectronicsMicrofabricationPhysicsElectrical engineeringEngineeringFabrication

Résumé

récupéré en direct d'OpenAlex

Significant progress in nonlinear and ultrafast optics has recently opened new and exciting opportunities for terahertz (THz) science and technology, which require the development of reliable THz sources, detectors, and supporting devices. In this work, we demonstrate the first solid-state technique for the coherent detection of ultra-broadband THz pulses (0.1-10 THz), relying on the electric-field-induced second-harmonic generation in a thin layer of ultraviolet fused silica. The proposed CMOS-compatible devices, which can be realized with standard microfabrication techniques, allow us to perform ultra-broadband detection with a high dynamic range by employing probe laser powers and bias voltages much lower than those used in gas-based techniques. Eventually, this may pave the way for the use of high-repetition-rate ultrafast lasers and commercially available electronics for the coherent detection of ultrashort THz pulses.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,011
Tête enseignante GPT0,263
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), 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

Citations44
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpticaMême sujetTerahertz technology and applicationsTravaux en français237 207