Silicon-based surface gratings for efficient fiber-chip and free-space beam coupling
Notice bibliographique
Résumé
Silicon photonics has established itself as a key integration platform, leveraging high-quality materials and large-scale manufacturing using mastered toolsets of complementary metal-oxide-semiconductor (CMOS) foundries. Chip-scale photonics offer unique promises for dense integration of versatile optical functions through compact and high-performance building blocks. Integrated photonics is now competing technology for many applications, spanning from telecom/datacom and interconnects up to quantum sciences and light detection and ranging (LIDAR) systems, among others. However, the lack of low-loss input/output chip interfaces can be prohibitive to successfully deploy multi-diverse device applications. Low coupling loss is essential in reducing overall power budget in photonic systems, impacting on-chip integration level. The light coupling from an off-chip environment into the planar waveguide platforms has always been a challenging research problem since the early years of integrated photonics. Optical interfaces formed on a photonic chip surface, rather than implemented on a chip edge, have been widely used to access photonic circuits with optical fibers or enabling free-space coupling of light beams. Surface gratings can be positioned at arbitrary locations and/or arranged in pre-defined patterns on the chip, facilitating wafer-scale testing and optical packaging. In this work, we present our recent progress in the development of silicon-based surface gratings for use in fiber-to-chip and free-space beam coupling. In particular, we discuss prospective design approaches to develop low-loss surface grating couplers implemented on silicon-on-insulator (SOI), silicon nitride (SiN), and hybrid silicon-silicon nitride (Si-SiN) platforms, allowing to approach a coupling loss below -1 dB. Among these, we also cover contemporary advances in compact silicon metamaterial nano-antennas for dense optical phased arrays, obtaining high a diffraction performance (> 90%) and wideband operation (> 200 nm) simultaneously.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».