Extended Short-Wave Infrared Absorption in Group-IV Nanowire Arrays
Notice bibliographique
Résumé
Engineering light absorption in the extended short-wave infrared (ESWIR) range using scalable materials is a long-sought-after capability that is crucial to implement cost-effective and high-performance sensing and imaging technologies. Herein, we demonstrate enhanced, tunable ESWIR absorption using silicon-integrated platforms consisting of ordered arrays of metastable ${\mathrm{Ge}}_{1\ensuremath{-}x}{\mathrm{Sn}}_{x}$ nanowires with Sn content reaching 9 at.% and variable diameters. Detailed simulations are combined with experimental analyses to systematically investigate light\ensuremath{-}${\mathrm{Ge}}_{1\ensuremath{-}x}{\mathrm{Sn}}_{x}$ nanowire interactions to tailor and optimize the nanowire-array geometrical parameters and the corresponding optical response. The diameter-dependent leaky-mode resonance peaks are theoretically predicted and experimentally confirmed with a tunable wavelength from 1.5 to 2.2 \textmu{}m. A threefold enhancement in the absorption with respect to ${\mathrm{Ge}}_{1\ensuremath{-}x}{\mathrm{Sn}}_{x}$ layers at 2.1 \textmu{}m is achieved using nanowires with a diameter of 325 nm. Finite-difference time-domain simulations unravel the underlying mechanisms of the ESWIR-enhanced absorption. The coupling of the ${\mathrm{HE}}_{11}$ and ${\mathrm{HE}}_{12}$ resonant modes to nanowires is observed at diameters above 325 nm, while at smaller diameters and longer wavelengths the ${\mathrm{HE}}_{11}$ mode is guided into the underlying Ge layer. The presence of tapering in nanowires further extends the absorption range while minimizing reflection. This ability to engineer and enhance ESWIR absorption lays the groundwork to implement alternative photonic devices exploiting all-group-IV platforms.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».