MétaCan
Menu
Retour à la cohorte
Enregistrement W4381615841 · doi:10.1364/optica.482926

Quantum-enhanced phase imaging without coincidence counting

2023· article· en· W4381615841 sur OpenAlexafffund
A. Nicholas Black, Long Nguyen, Boris Braverman, Kevin T. Crampton, James Evans, Robert W. Boyd

Notice bibliographique

RevueOptica · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDigital Holography and Microscopy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesOffice of Naval ResearchNatural Sciences and Engineering Research Council of CanadaU.S. Department of EnergyNational Science Foundation
Mots-clésCoincidenceOpticsPhase (matter)PhysicsInterference (communication)PhotonParametric statisticsQuantum imagingWavelengthCoincidence detection in neurobiologyQuantumPhoton countingGhost imagingCoincidence countingPhase imagingQuantum opticsMicroscopyComputer scienceQuantum computerQuantum networkMathematicsQuantum mechanicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Quantitative phase imaging provides a way to image transparent objects, such as biological cells, and measure their thickness. We report on a phase-imaging method that achieves twice the phase shift and approximately 1.7 times the spatial resolution of an equivalent spatially and temporally coherent classical quantitative phase-imaging system by using quantum interference between successive spontaneous parametric downconversion events in a nonlinear crystal. Furthermore, our method is approximately 1000 times faster than imaging the parametric downconversion photons in coincidence, which requires measurement times on the order of tens of hours. Our method may be useful for imaging sensitive transparent objects that require low illumination intensities at near-infrared and longer illumination wavelengths, such as photosensitive biological samples.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
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 Opus0,011
Tête enseignante GPT0,305
Écart entre enseignants0,293 · 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'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

Citations24
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpticaMême sujetDigital Holography and MicroscopyTravaux en français237 207