MétaCan
Menu
Retour à la cohorte
Enregistrement W2803024029 · doi:10.1109/tap.2018.2829822

Far-Field Magnification of Subdiffraction Conducting Features Using Metamaterial-Lined Aperture Arrays

2018· article· en· W2803024029 sur OpenAlexafffund
Elham Baladi, Ashwin K. Iyer

Notice bibliographique

RevueIEEE Transactions on Antennas and Propagation · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology FuturesCMC Microsystems
Mots-clésAperture (computer memory)MetamaterialOpticsAntiresonanceNear and far fieldWavelengthResonance (particle physics)ResonatorPhysicsMaterials scienceAcoustics

Résumé

récupéré en direct d'OpenAlex

This paper offers a new approach for far-field high-resolution imaging of conducting obstacles based on arrays of frequency-multiplexed subwavelength resonant elements. Each resonator is a circular aperture in a metallic screen that is strongly miniaturized by means of loading by a thin epsilon-negative and near-zero metamaterial (MTM) liner. Each MTM-lined aperture exhibits a fano-shape transmission profile, i.e., a peak followed by a minimum, and the resonance frequencies of different apertures are chosen such that the resonance of one lies within/very close to the antiresonance of the other to ensure strong decoupling. This paper shows that blocking an aperture using a conducting disc removes the corresponding resonance peak/minimum from the transmission/far-field amplitude spectrum, enabling far-field detection of any distribution of such obstacles with a spatial resolution determined by the aperture sizes, which measure less than one-sixth of free-space wavelength at their respective resonance frequencies. The proposed imaging mechanism is verified through full-wave HFSS simulations as well as far-field measurements. Some challenges associated with this approach are then discussed.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,055
Tête enseignante GPT0,297
Écart entre enseignants0,242 · 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

Citations15
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Antennas and PropagationMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207