MétaCan
Menu
Retour à la cohorte
Enregistrement W4317809320 · doi:10.1080/17455030.2023.2169387

Close link between Fabry–Pérot resonance and natural-resonance frequencies

2023· article· en· W4317809320 sur OpenAlexaff
Uğur Cem Hasar, Gökhan Öztürk, Yunus Kaya, Joaquim J. Barroso, Omar M. Ramahi, Mehmet Ertuğul

Notice bibliographique

RevueWaves in Random and Complex Media · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave and Dielectric Measurement Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésResonance (particle physics)Fabry–Pérot interferometerDispersion (optics)Reflection (computer programming)Natural frequencyOpticsPermittivityDielectricPhysicsMaterials scienceNuclear magnetic resonanceAtomic physicsAcousticsWavelength

Résumé

récupéré en direct d'OpenAlex

Mathematical and numerical analyses have been performed to examine the close link between Fabry–Pérot resonance and natural-resonance frequencies. For the mathematical analysis, the conditions resulting in minimum magnitudes of reflection coefficients in frequency-domain are derived for air-backed and metal-backed low-loss non-dispersive (or weakly dispersive) dielectric samples with relative complex permittivity εr and thickness L for free-space wave propagation at normal incidence. The close relation between Fabry–Pérot resonance and natural-resonance frequencies is demonstrated for three different sample scenarios as (i) no-dispersion and lossless case (εr=4.8−j0.0 and L = 50 mm), (ii) no-dispersion and low-loss case (εr=4.8−j0.01 and L = 50 mm), and (iii) weak-dispersion and low-loss case (εr=4.8−jσ/(ωε0) and L = 50 mm where σ is the conductivity of the sample and ω is the angular frequency). It is noted that operating frequency should be increased to observe late-time natural-resonance frequencies for a sample with smaller length or vice versa.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,030
Tête enseignante GPT0,247
Écart entre enseignants0,217 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaves in Random and Complex MediaMême sujetMicrowave and Dielectric Measurement TechniquesTravaux en français237 207