2D Layered Graphene Oxide Films Integrated with Micro‐Ring Resonators for Enhanced Nonlinear Optics
Notice bibliographique
Résumé
Layered 2D graphene oxide (GO) films are integrated with micro-ring resonators (MRRs) to experimentally demonstrate enhanced nonlinear optics. Both uniformly coated (1-5 layers) and patterned (10-50 layers) GO films are integrated on complementary-metal-oxide-semiconductor (CMOS)-compatible doped silica MRRs using a large-area, transfer-free, layer-by-layer GO coating method with precise control of the film thickness. The patterned devices further employ photolithography and lift-off processes to enable precise control of the film placement and coating length. Four-wave-mixing (FWM) measurements for different pump powers and resonant wavelengths show a significant improvement in efficiency of ≈7.6 dB for a uniformly coated device with 1 GO layer and ≈10.3 dB for a patterned device with 50 GO layers. The measurements agree well with theory, with the enhancement in FWM efficiency resulting from the high Kerr nonlinearity and low loss of the GO films combined with the strong light-matter interaction within the MRRs. The dependence of GO's third-order nonlinearity on layer number and pump power is also extracted from the FWM measurements, revealing interesting physical insights about the evolution of the GO films from 2D monolayers to quasi bulk-like behavior. These results confirm the high nonlinear optical performance of integrated photonic resonators incorporated with 2D layered GO films.
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 | 0,000 |
| 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) | 0,001 | 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 ».