MétaCan
Menu
Retour à la cohorte
Enregistrement W4308308545 · doi:10.1038/s41598-022-23460-x

Highly efficient ultra-broad beam silicon nanophotonic antenna based on near-field phase engineering

2022· article· en· W4308308545 sur OpenAlexafffund
Shahrzad Khajavi, Daniele Melati, Pavel Cheben, Jens H. Schmid, Carlos Alonso‐Ramos, Winnie N. Ye

Notice bibliographique

RevueScientific Reports · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensNational Research Council CanadaCarleton University
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésOpticsNanophotonicsMaterials scienceBeam steeringAntenna (radio)OptoelectronicsBeam (structure)PhysicsTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

Optical antennas are a fundamental element in optical phased arrays (OPA) and free-space optical interconnects. An outstanding challenge in optical antenna design lies in achieving high radiation efficiency, ultra-compact footprint and broad radiation angle simultaneously, as required for dense 2D OPAs with a broad steering range. Here, we demonstrate a fundamentally new concept of a nanophotonic antenna based on near-field phase-engineering. By introducing a specific near-field phase factor in the Fraunhofer transformation, the far-field beam is widened beyond the diffraction limit for a given aperture size. We use transversally interleaved subwavelength grating nanostructures to control the near-field phase. A Bragg reflector is used at the end of the grating to increase both the efficiency and the far-field beam width. The antenna has a compact footprint of 3.1 µm × 1.75 µm and an ultra-broad far-field beam width of 52° and 62° in the longitudinal and transversal direction, respectively, while the radiation efficiency reaches 82% after incorporating a bottom reflector to further improve the directionality. This unprecedented design performance is achieved with a single-etch grating nanostructure in a 300-nm SOI 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,213
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetPhotonic and Optical DevicesTravaux en français237 207