MétaCan
Menu
Retour à la cohorte
Enregistrement W4224090799 · doi:10.3390/mi13040608

Simulation and Experiment of the Trapping Trajectory for Janus Particles in Linearly Polarized Optical Traps

2022· article· en· W4224090799 sur OpenAlexaff
Xiaoqing Gao, Cong Zhai, Zuzeng Lin, Yulu Chen, Hongbin Li, Chunguang Hu

Notice bibliographique

RevueMicromachines · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOrbital Angular Momentum in Optics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésOptical tweezersTrappingPolarization (electrochemistry)JanusParticle (ecology)Linear polarizationOpticsLaserRefractive indexPosition (finance)Materials sciencePhysicsMolecular physicsNanotechnologyChemistry

Résumé

récupéré en direct d'OpenAlex

The highly focused laser beam is capable of confining micro-sized particle in its focus. This is widely known as optical trapping. The Janus particle is composed of two hemispheres with different refractive indexes. In a linearly polarized optical trap, the Janus particle tends to align itself to an orientation where the interface of the two hemispheres is parallel to the laser propagation as well as the polarization direction. This enables a controllable approach that rotates the trapped particle with fine accuracy and could be used in partial measurement. However, due to the complexity of the interaction of the optical field and refractive index distribution, the trapping trajectory of the Janus particle in the linearly polarized optical trap is still uncovered. In this paper, we focus on the dynamic trapping process and the steady position and orientation of the Janus particle in the optical trap from both simulation and experimental aspects. The trapping process recorded by a high speed camera coincides with the simulation result calculated using the T-matrix model, which not only reveals the trapping trajectory, but also provides a practical simulation solution for more complicated structures and trapping motions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,447
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetOrbital Angular Momentum in OpticsTravaux en français237 207