MétaCan
Menu
Retour à la cohorte
Enregistrement W4311181549 · doi:10.1364/oe.471910

Using an acousto-optic modulator as a fast spatial light modulator

2022· article· en· W4311181549 sur OpenAlexfundno aff
Xialin Liu, Boris Braverman, Robert W. Boyd

Notice bibliographique

RevueOptics Express · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRandom lasers and scattering media
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSpatial light modulatorOpticsWaveformPixelModulation (music)Digital micromirror deviceOptical modulatorSpatial frequencyDot pitchRefresh rateElectro-optic modulatorPhysicsMaterials sciencePhase modulationComputer scienceVoltageAcoustics

Résumé

récupéré en direct d'OpenAlex

High-speed spatial light modulators (SLM) are crucial components for free-space communication and structured illumination imaging. Current approaches for dynamical spatial mode generation, such as liquid crystal SLMs or digital micromirror devices, are limited to a maximum pattern refresh rate of 10 kHz and have a low damage threshold. We demonstrate that arbitrary spatial profiles in a laser pulse can be generated by mapping the temporal radio-frequency (RF) waveform sent to an acousto-optic modulator (AOM) onto the optical field. We find that the fidelity of the SLM performance can be improved through numerical optimization of the RF waveform to overcome the nonlinear effect of AOM. An AOM can thus be used as a 1-dimensional SLM, a technique we call acousto-optic spatial light modulator (AO-SLM), which has 50 µm pixel pitch, over 1 MHz update rate, and high damage threshold. We simulate the application of AO-SLM to single-pixel imaging, which can reconstruct a 32×32 pixel complex object at a rate of 11.6 kHz with 98% fidelity.

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 seuil0,003

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 savante0,0000,000
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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetRandom lasers and scattering mediaTravaux en français237 207