MétaCan
Menu
Retour à la cohorte
Enregistrement W2999129175 · doi:10.1109/jlt.2020.2966735

Far-Field Imaging Beyond the Diffraction Limit Using Waves Interference

2020· article· en· W2999129175 sur OpenAlexaff
Pooria Salami, Leila Yousefi

Notice bibliographique

RevueJournal of Lightwave Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNear-Field Optical Microscopy
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDiffractionOpticsWavelengthInterference (communication)PhysicsNear and far fieldAngular spectrum methodSuperlensLimit (mathematics)Field (mathematics)Evanescent waveComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Due to the wave nature of light, resolution of optical imaging systems is limited to approximately half of the wavelength. The reason behind this limitation, known as diffraction limit, is the loss of information contained in evanescent waves at the far-field region. Here, we propose a new method to retrieve the information contained in evanescent waves in far field region resulting in a novel sub-wavelength imaging technique which can go beyond the diffraction limit. We theoretically prove that using interference of waves, between the target field and reference and reconstruction waves, one can apply a shift to the angular spectrum of the target field and convert a range of evanescent waves into propagating modes. Moreover, we demonstrate how these converted waves can be distinguished in far-field from other existing modes. Unlike previously developed sub-wavelength imaging techniques, the proposed method does not require either fluorescent materials or complex nano-structures to realize evanescent-to-propagating wave conversion. The performance of the method is numerically investigated illustrating a resolution of one-seventh of the working wavelength, which is much beyond the diffraction limit. The proposed technique can significantly simplify sub-wavelength imaging paving the road to develop practical low cost super-resolution imaging systems.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,227 · 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
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetNear-Field Optical MicroscopyTravaux en français237 207