MétaCan
Menu
Retour à la cohorte
Enregistrement W3043366681 · doi:10.1109/access.2020.3045753

Surface Susceptibility Synthesis of Metasurface Skins/Holograms for Electromagnetic Camouflage/Illusions

2020· preprint· en· W3043366681 sur OpenAlexaff
T. Smy, Shulabh Gupta

Notice bibliographique

RevueIEEE Access · 2020
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHolographyIllusionObserver (physics)Surface (topology)OpticsCamouflageComputer scienceFourier transformSimple (philosophy)Electromagnetic fieldField (mathematics)Space (punctuation)Computer visionPhysicsMathematicsArtificial intelligenceMathematical analysisGeometry

Résumé

récupéré en direct d'OpenAlex

A systematic numerical framework based on Integral Equations and Generalized Sheet Transition Conditions (IE-GSTCs) is presented in 2D to synthesize closed metasurface holograms and skins for creating electromagnetic illusions of specified objects and as a special case, to camouflaging them against their backgrounds. The versatile hologram surface is modeled using a zero-thickness sheet model of a generalized metasurface expressed in terms of its surface susceptibilities, which is further integrated into the GSTCs and the IE current-field propagation operators. To estimate the effectiveness of the illusions, the notion of a scene constructed by an observer is developed from first principles and a simple mathematical model, referred to as a Structured Field Observation (SFO), based on spatial Fourier transform is proposed. Using numerical examples, it is shown that to recreate the reference desired fields everywhere in space using a closed metasurface hologram/skin, an internal illumination must be applied inside the hologram, in addition to the applied external illumination fields. Finally, several numerical examples are presented for simple, angle-dependent and dynamic illusions. Finally, a dynamic camouflaged region of space, which can freely move inside a given complex scene without being detected by the observer is demonstrated.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,348
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207