MétaCan
Menu
Retour à la cohorte
Enregistrement W4372336988 · doi:10.1038/s41467-023-38354-3

Single-pulse terahertz spectroscopy monitoring sub-millisecond time dynamics at a rate of 50 kHz

2023· article· en· W4372336988 sur OpenAlexafffund
Nicolas Couture, Wei Cui, Markus Lippl, Rachel Ostic, Défi Junior Jubgang Fandio, Eeswar Kumar Yalavarthi, Aswin Vishnuradhan, Angela Gamouras, Nicolas Y. Joly, Jean‐Michel Ménard

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensNational Research Council CanadaMax Planck - University of Ottawa Centre for Extreme and Quantum PhotonicsUniversity of Ottawa
Organismes subventionnairesNational Research Council CanadaCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésMillisecondTerahertz radiationPulse (music)SpectroscopyMaterials scienceDynamics (music)Nuclear magnetic resonanceOptoelectronicsPhysicsOpticsDetectorAcoustics

Résumé

récupéré en direct d'OpenAlex

Slow motion movies allow us to see intricate details of the mechanical dynamics of complex phenomena. If the images in each frame are replaced by terahertz (THz) waves, such movies can monitor low-energy resonances and reveal fast structural or chemical transitions. Here, we combine THz spectroscopy as a non-invasive optical probe with a real-time monitoring technique to demonstrate the ability to resolve non-reproducible phenomena at 50k frames per second, extracting each of the generated THz waveforms every 20 μs. The concept, based on a photonic time-stretch technique to achieve unprecedented data acquisition speeds, is demonstrated by monitoring sub-millisecond dynamics of hot carriers injected in silicon by successive resonant pulses as a saturation density is established. Our experimental configuration will play a crucial role in revealing fast irreversible physical and chemical processes at THz frequencies with microsecond resolution to enable new applications in fundamental research as well as in industry.

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)0,000
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 enseignants0,297
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,255
Écart entre enseignants0,244 · 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

Citations34
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetTerahertz technology and applicationsTravaux en français237 207