MétaCan
Menu
Retour à la cohorte
Enregistrement W4205858342 · doi:10.1109/ojnano.2021.3135478

Carbon-Based THz Microstrip Antenna Design: A Review

2021· review· en· W4205858342 sur OpenAlexafffund
Guanxuan Lu, Jiaqi Wang, Zhemiao Xie, John T. W. Yeow

Notice bibliographique

RevueIEEE Open Journal of Nanotechnology · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTerahertz radiationMicrostripMicrostrip antennaAntenna (radio)Omnidirectional antennaMaterials sciencePatch antennaOptoelectronicsComputer scienceElectronic engineeringOpticsTelecommunicationsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Increasing demands for high-speed wireless communication have stimulated the development of novel optoelectrical devices. Typically, terahertz (THz) wave, is much advantageous because of its relatively high-resolution transportation and strong penetrability property. One of the electromagnetic devices, the antenna, plays a key role in future THz devices. However, there are few review publishments related to carbon-based THz microstrip antenna designs. In this article, we list the basic figure of merits for evaluating antennas. We also show the developing microstrip antenna structures. Importantly, we summarize the current progress of THz microstrip antennas using different dimensional carbon materials, such as carbon nanotubes, graphene, and carbon foams. This review will lay a solid foundation for carbon-based THz microstrip antenna design, and furthermore provide novel sights for other THz antenna designs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,070
Tête enseignante GPT0,340
Écart entre enseignants0,270 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of NanotechnologyMême sujetTerahertz technology and applicationsTravaux en français237 207