Realistic sub-Rayleigh imaging with phase-sensitive measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract As the separation between two emitters is decreased below the Rayleigh limit, the information that can be gained about their separation using traditional imaging techniques, photon counting in the image plane, reduces to nil. Assuming the sources are of equal intensity, Rayleigh’s ‘curse’ can be alleviated by making phase-sensitive measurements in the image plane. However, with unequal and unknown intensities the curse returns regardless of the measurement, though the ideal scheme would still outperform image plane counting (IPC), i.e. recording intensities on a screen. We analyze the limits of the super-resolved position localization by inversion of coherence along an edge (SPLICE) phase measurement scheme as the intensity imbalance between the emitters grows. We find that SPLICE still outperforms IPC for moderately disparate intensities. For larger intensity imbalances we propose a hybrid of IPC and SPLICE, which we call ‘adapted SPLICE’, requiring only simple modifications. Using Monte Carlo simulation, we identify regions (emitter brightness, separation, intensity imbalance) where it is advantageous to use SPLICE over IPC, and when to switch to the adapted SPLICE measurement. We find that adapted SPLICE can outperform IPC for large intensity imbalances, e.g. 10 000:1, with the advantage growing with greater disparity between the two intensities. Finally, we also propose additional phase measurements for estimating the statistical moments of more complex source distributions. Our results are promising for implementing phase measurements in sub-Rayleigh imaging tasks such as exoplanet detection.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle