Notice bibliographique
Résumé
This chapter discusses one of the most challenging aspects of silicon photonics, namely the laser. It is highly desirable to have a silicon-compatible material that can provide optical emission and optical gain, for light sources (lasers, LEDs) and for on-chip optical amplifiers. Silicon is an indirect-band semiconductor, hence very inefficient at light generation. The common semiconductors used to make lasers at wavelengths where silicon is transparent (> 1.1 µm), such as In P-based compounds, have a crystal-lattice constant that is much larger than silicon, hence are difficult to grow on silicon. Germanium is the closest-matched material and has a smaller band gap than silicon; however, it is also an indirect-band semiconductor. Present-day multi-project wafer (MPW) foundries (see Section 1.5.5) do not provide monolithic or hybrid-integrated lasers, and users rely on external lasers. While edge and grating couplers have both seen improvements in coupling efficiency, the lack of an on-chip source limits the potential applications of these chips. Laser integration is not widely available, and in turn the design of lasers for silicon photonics is an evolving research area. While there are design methodologies for the various laser-integration approaches described below, these depend on the type of approach, hence silicon photonic laser design is not a typical “text-book” topic. This chapter describes the challenges associated with integrating lasers and optical amplifiers on the silicon photonics platform. It begins with the easiest method of getting light on the chip – namely using external lasers. We then discuss approaches with increasing level of difficulty: co-packaging, epitaxial bonding (hybrid lasers), monolithic growth, and germanium lasers. External lasers One approach for silicon photonic systems is to consider the laser as an optical power supply [1], similar to electrical power supplies, both delivering a constant amplitude. There are several advantages for keeping the laser off-chip. (1) Thermal management is simplified by keeping the laser off-chip. Lasers are typically 10%–30% efficient, hence an on-chip laser would be a contributing heat source; the heat output is 3–10 times higher than the optical power of the laser itself. […]
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,121 | 0,072 |
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 ».