Transforming silicon into a high performing in tegrated nonlinear photonics platform by integrati on with 2D graphene oxide films
Notice bibliographique
Résumé
Layered two-dimensional (2D) GO films are integrated with silicon-on-insulator (SOI) nanowire waveguides to experimentally demonstrate an enhanced Kerr nonlinearity, observed through self-phase modulation (SPM). The GO films are integrated with SOI nanowires using a large-area, transfer-free, layer-by-layer coating method that yields precise control of the film thickness. The film placement and coating length are controlled by opening windows in the silica cladding of the SOI nanowires. Owing to the strong mode overlap between the SOI nanowires and the highly nonlinear GO films, the Kerr nonlinearity of the hybrid waveguides is significantly enhanced. Detailed SPM measurements using picosecond optical pulses show significant spectral broadening enhancement for SOI nanowires coated with 2.2-mm-long films of 1−3 layers of GO, and 0.4-mm-long films with 5−20 layers of GO. By fitting the experimental results with theory, the dependence of GO’s n2 on layer number and pulse energy is obtained, showing interesting physical insights and trends of the layered GO films from 2D monolayers to quasi bulk-like behavior. Finally, we show that by coating SOI nanowires with GO films the effective nonlinear parameter of SOI nanowires is increased 16 fold, with the effective nonlinear figure of merit (FOM) increasing by about 20 times to FOM > 5. These results reveal the strong potential of using layered GO films to improve the Kerr nonlinear optical performance of silicon photonic devices.
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 ».