MétaCan
Menu
Retour à la cohorte
Enregistrement W4295733423 · doi:10.1002/adpr.202200089

Improving Topological Confinement Using Asymmetric Elements

2022· article· en· W4295733423 sur OpenAlexafffund
Xin Jin, Luca Razzari, Pablo Bianucci

Notice bibliographique

RevueAdvanced Photonics Research · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTopological Materials and Phenomena
Établissements canadiensConcordia UniversityInstitut National de la Recherche Scientifique
Organismes subventionnairesCompute Canada
Mots-clésPhotonicsTopology (electrical circuits)Lattice (music)HoneycombRodVoid (composites)Photonic crystalElectronic circuitHoneycomb structureMaterials sciencePhysicsOptoelectronicsEngineeringAcousticsElectrical engineeringQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Photonic topological systems are enticing alternatives to realize multifunctional optical circuits with minimum distortions due to their unique insulating features. Among them, expanded honeycomb structures give rise to topological phases without involving any external field or gyromagnetic materials. Unlike atoms in crystals, the morphology of the repeating element in photonic systems can be tailored, allowing to tune the different interelement couplings. In this regard, traditional circular rods are replaced in honeycomb lattices with teardrop‐shaped pillars to push the “center of mass” outward, thus heightening the intercell interaction. This teardrop honeycomb lattice can provide a broader nontrivial bandgap and better edge‐state confinement compared with a circular rod lattice with the same material‐to‐void filling factor. The approach proposes a novel method to tailor the performance of topological systems by engineering the individual pillars and results in better‐confining waveguides that can be building blocks for designing more compact optical circuits under the same platform.

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 enseignants0,002
Score d'incertitude au seuil0,008

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 technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,078
Tête enseignante GPT0,386
Écart entre enseignants0,308 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Photonics ResearchMême sujetTopological Materials and PhenomenaTravaux en français237 207