MétaCan
Menu
Retour à la cohorte
Enregistrement W4225873266 · doi:10.1038/s41598-022-09877-4

Analytic solution for double optical metasurface beam scanners

2022· article· en· W4225873266 sur OpenAlexaff
Jingru Wang, Yuehe Ge, Zhizhang Chen, Zhimeng Xu, Hai Zhang

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensDalhousie University
Organismes subventionnairesNational Natural Science Foundation of ChinaNatural Science Foundation of Fujian ProvinceNational Science Foundation
Mots-clésRealization (probability)Position (finance)Inverse problemPrismComputer scienceInverseBeam (structure)Light beamOpticsBeam steeringRefractionNonlinear systemPhysicsMathematicsMathematical analysisGeometry

Résumé

récupéré en direct d'OpenAlex

Optical metasurfaces are researched more and more intensively for the possible realization of lightweight and compact optical devices with novel functionalities. In this paper, a new beam-steering system based on double metasurface lenses (metalenses) is proposed and developed. The proposed system is lightweight, small volume, low cost, and easy to integrate. The exact close-form forward and numerical inverse solutions are derived respectively using the generalized Snell's law of refraction. Given the orientations of the double metalenses, the pointing position can be accurately determined. If the desired pointing position is given, the required metalenses' orientations can be obtained by applied global optimization algorithms to solve nonlinear equations related to the inverse problem. The relationships of the scan region and blind zone with the system parameters are derived. The method to eliminate the blind zone is given. Comparison with double Risley-prism systems is also conducted. This work provides a new approach to control light beams.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,039
Tête enseignante GPT0,289
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207