MétaCan
Menu
Retour à la cohorte
Enregistrement W4321488125 · doi:10.1109/jqe.2023.3246987

Tunable Hybrid Plasmonic Semiconductor Laser Based on Loss Perturbation

2023· article· en· W4321488125 sur OpenAlexafffund
Shayan Saeidi, Pierre Berini

Notice bibliographique

RevueIEEE Journal of Quantum Electronics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceLasing thresholdOptoelectronicsPlasmonLaserSemiconductor laser theoryCapacitorSemiconductorIndium tin oxideOpticsWavelengthPhysicsVoltageNanotechnologyLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

We propose a tunable plasmonic semiconductor laser that exploits loss perturbation as a tuning mechanism. A metal oxide semiconductor (MOS) capacitive structure is added on top of an edge-emitting Fabry-Perot (FP) diode laser, such that a hybrid plasmonic TM mode that overlaps partly with the MOS capacitor and the semiconductor gain region is supported as the lasing mode. We also propose the use of a layer of conductive oxide, e.g., indium tin oxide (ITO), as the semiconductor of the MOS structure, because the epsilon near zero (ENZ) condition can be attained therein under accumulation, thereby producing a very large change in the effective index of the hybrid plasmonic TM mode. The change in the imaginary part of the effective index is used to tune the lasing wavelength - exploiting loss perturbation to achieve laser tuning is paradigm-shifting. The laser proposed operates at telecom wavelengths, requiring an electrical forward bias to pump the active layer, and a gate voltage to drive the MOS tuning capacitor. Simulations yield a tuning range of over 7 nm in the O-band for a <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$100 \mu \text{m}$ </tex-math></inline-formula> long FP laser cavity.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,115
Score d'incertitude au seuil0,871

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 recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,249
Écart entre enseignants0,230 · 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'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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Quantum ElectronicsMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207