Monitored wet-etch removal of individual dielectric layers from high-finesse Bragg mirrors
Notice bibliographique
Résumé
It is prohibitively expensive to deposit customized dielectric coatings on individual optics. One solution is to batch-coat many optics with extra dielectric layers, then remove layers from individual optics as needed. Here we present a low-cost, single-step, monitored wet etch technique for reliably removing individual SiO2 and Ta2O5 dielectric layers, in this case from a high-reflectivity fiber mirror. By immersing in acid and monitoring off-band reflected light, we show it is straightforward to iteratively (or continuously) remove six bilayers. At each stage, we characterize the coating performance with a Fabry-Pérot cavity, observing the expected stepwise decrease in finesse from 92,000 ± 3,000 to 3, 950 ± 50, finding no evidence of added optical losses. The etch also removes the fiber’s sidewall coating after a single bilayer, and, after six bilayers, confines the remaining coating to a 60-µm-diameter pedestal at the center of the fiber tip. Vapor etching above the solution produces a tapered “pool cue” cladding profile, reducing the fiber diameter (nominally 125 µm) to 95 µm at an angle of ∼0.3° near the tip. Finally, we note that the data generated by this technique provides a sensitive estimate of the layers’ optical depths. This technique could be readily adapted to free-space optics and other coatings.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».