MétaCan
Menu
Retour à la cohorte
Enregistrement W4281741164 · doi:10.1038/s41566-022-01010-1

Observation of light-driven band structure via multiband high-harmonic spectroscopy

2022· article· en· W4281741164 sur OpenAlexaff
Ayelet J. Uzan-Narovlansky, Álvaro Jiménez-Galán, Gal Orenstein, Rui E. F. Silva, Talya Arusi-Parpar, Sergei Shames, Barry D. Bruner, Binghai Yan, Olga Smirnova, Misha Ivanov, Nirit Dudovich

Notice bibliographique

RevueNature Photonics · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensJoint Attosecond Science Laboratory
Organismes subventionnairesDeutsche ForschungsgemeinschaftMinerva FoundationEuropean Commission
Mots-clésElectric fieldBand gapSpectroscopyPhysicsLaserOptoelectronicsFemtosecondElectronic band structureOpticsMaterials scienceCondensed matter physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Intense light–matter interactions have revolutionized our ability to probe and manipulate quantum systems at sub-femtosecond timescales 1 , opening routes to the all-optical control of electronic currents in solids at petahertz rates 2–7 . Such control typically requires electric-field amplitudes in the range of almost volts per angstrom, when the voltage drop across a lattice site becomes comparable to the characteristic bandgap energies. In this regime, intense light–matter interaction induces notable modifications to the electronic and optical properties 8–10 , dramatically modifying the crystal band structure. Yet, identifying and characterizing such modifications remain an outstanding problem. As the oscillating electric field changes within the driving field’s cycle, does the band structure follow and how can it be defined? Here we address this fundamental question, proposing all-optical spectroscopy to probe the laser-induced closing of the bandgap between adjacent conduction bands. Our work reveals the link between nonlinear light–matter interactions in strongly driven crystals and the sub-cycle modifications in their effective band structure.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,249
Écart entre enseignants0,243 · 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'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

Citations89
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature PhotonicsMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207