Toward real-time terahertz imaging
Notice bibliographique
Résumé
Terahertz (THz) science and technology have greatly progressed over the past two decades to a point where the THz region of the electromagnetic spectrum is now a mature research area with many fundamental and practical applications. Furthermore, THz imaging is positioned to play a key role in many industrial applications, as THz technology is steadily shifting from university-grade instrumentation to commercial systems. In this context, the objective of this review is to discuss recent advances in THz imaging with an emphasis on the modalities that could enable real-time high-resolution imaging. To this end, we first discuss several key imaging modalities developed over the years: THz transmission, reflection, and conductivity imaging; THz pulsed imaging; THz computed tomography; and THz near-field imaging. Then, we discuss several enabling technologies for real-time THz imaging within the time-domain spectroscopy paradigm: fast optical delay lines, photoconductive antenna arrays, and electro-optic sampling with cameras. Next, we discuss the advances in THz cameras, particularly THz thermal cameras and THz field-effect transistor cameras. Finally, we overview the most recent techniques that enable fast THz imaging with single-pixel detectors: mechanical beam-steering, compressive sensing, spectral encoding, and fast Fourier optics. We believe that this critical and comprehensive review of enabling hardware, instrumentation, algorithms, and potential applications in real-time high-resolution THz imaging can serve a diverse community of fundamental and applied scientists.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».