MétaCan
Menu
Retour à la cohorte
Enregistrement W4365446997 · doi:10.1515/nanoph-2022-0820

Asymmetric transmission in nanophotonics

2023· review· en· W4365446997 sur OpenAlexafffund
Abbas Sheikh Ansari, Ashwin K. Iyer, Behrad Gholipour

Notice bibliographique

RevueNanophotonics · 2023
Typereview
Langueen
DomaineEngineering
ThématiquePlasmonic and Surface Plasmon Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates
Mots-clésNanophotonicsNanomaterialsTransmission (telecommunications)NanotechnologyMaterials scienceOptoelectronicsComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In a reciprocal medium, transmission of electromagnetic (EM) waves is symmetric along opposite directions which restrict design and implementation of various systems in optics and photonics. Asymmetric transmission (AT) is essential for designing isolators and circulators in optics and photonics, and it benefits other applications such as photovoltaic systems, lasers, cloaking, and EM shielding. While bulky nonreciprocal devices based on magnetic field biases have been well known, creating AT in subwavelength structures is more challenging, and structures with a subwavelength thickness that show AT have drawn a lot of attention over the last decade. Various approaches have been reported to create metasurfaces featuring nonreciprocal transmission, such as plasmonic and dielectric metasurfaces that enhance Faraday rotation, nonlinear metasurfaces with intensity-dependent refractive indices, and implementing spatiotemporal modulation in a metasurface. On the other hand, AT has also been reported in reciprocal structures by creating multiple paths for the transmission of EM waves by changing the polarization of light or redirecting light to higher-order diffraction orders. Here, we present a review of various approaches implemented for realizing AT in subwavelength structures in both reciprocal and nonreciprocal systems. We also discuss the main design principles and limitations of AT achieved in various approaches.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,055
Tête enseignante GPT0,320
Écart entre enseignants0,264 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanophotonicsMême sujetPlasmonic and Surface Plasmon ResearchTravaux en français237 207