MétaCan
Menu
Retour à la cohorte
Enregistrement W4320205626 · doi:10.1002/lpor.202200446

Tunable Mid‐Infrared Detail‐Enhanced Imaging With Micron‐Level Spatial Resolution and Photon‐Number Resolving Sensitivity

2023· article· en· W4320205626 sur OpenAlexafffund
Xuanke Zeng, Congying Wang, Hongyu Wang, Qinggang Lin, Zhenkuan Chen, Xiaowei Lu, Maijie Zheng, Jinyang Liang, Yi Cai, Shixiang Xu, Jingzhen Li

Notice bibliographique

RevueLaser & Photonics Review · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesShenzhen Fundamental Research ProgramNatural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésOpticsImage resolutionFemtosecondBandwidth (computing)Sensitivity (control systems)OptoelectronicsMaterials sciencePhotonDetectorMillimeterPhysicsLaserComputer scienceElectronic engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract The underdevelopment of mid‐infrared (MIR) components and detectors greatly limits the spatial resolution and sensitivity of MIR imaging. To overcome these limitations, MIR detail‐enhanced imaging is enhanced via non‐degenerate optical parametric amplification (OPA) pumped by a femtosecond vortex pulse. This design renders MIR illumination into a visible image by nonlinear wavelength‐conversion, together with a high OPA gain, large spatial bandwidth, and remarkable sensitivity. These experiments show that the design can realize MIR imaging with a spatial resolution of up to 114 line pairs per millimeter and a 2D spatial bandwidth product of up to 62 900, over a spectral region tunable from 2.0 to 3.0 µm. Equally important, this setup simultaneously achieves excellent imaging sensitivity of 25 photons at room temperature. It is thought that this work provides a powerful way to realize effective real‐time MIR imaging with an excellent spatial resolution even in very weak illumination environments, which can benefit many applications from semiconductor material characterization and biomedical imaging to security.

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 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 enseignants0,222
Score d'incertitude au seuil0,801

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,305
Écart entre enseignants0,291 · 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.

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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLaser & Photonics ReviewMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207