MétaCan
Menu
Retour à la cohorte
Enregistrement W2986845710 · doi:10.1063/1.5093987

10 kHz-34 MHz ultrasound detection based on a dual-core hybrid taper

2019· article· en· W2986845710 sur OpenAlexafffund
Song Gao, Chams Baker, Wei Yong Cai, Liang Chen, Xiaoyi Bao

Notice bibliographique

RevueAPL Photonics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésCore (optical fiber)Materials scienceTransducerAcousticsUltrasonic sensorPiezoelectricityUltrasoundComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

We propose and demonstrate an approach for 10 kHz to 34 MHz ultrasound detection based on a dual-core As2Se3-PMMA taper. We fabricate dual-core As2Se3-PMMA tapers with a Young’s modulus 24 times smaller than that of silica fibers, which enhances the acoustic response. Dual-core As2Se3-PMMA fiber tapers show high sensitivities to both shear and longitudinal waves due to the dual-core structure, low Young’s modulus, submicrometer dimension of the core, and the high-contrast interference pattern by the even and odd modes. A dual-core As2Se3-PMMA taper with a core diameter of 0.6 µm detects acoustic waves in the frequency range from 10 kHz to 34 MHz, which are excited by three piezoelectric transducers with optimal operating frequencies of 100 kHz, 3.65 MHz, and 6.8 MHz, respectively.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,614
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)0,0000,000
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)0,0020,002

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 Opus0,006
Tête enseignante GPT0,191
Écart entre enseignants0,185 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAPL PhotonicsMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207