MétaCan
Menu
Retour à la cohorte
Enregistrement W4381660974 · doi:10.1515/nanoph-2023-0231

Resonant inelastic tunneling using multiple metallic quantum wells

2023· article· en· W4381660974 sur OpenAlexaff
Yiyun Zhang, Dominic Lepage, Yiming Feng, Sihan Zhao, Hongsheng Chen, Haoliang Qian

Notice bibliographique

RevueNanophotonics · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésQuantum tunnellingNanomaterialsQuantum wellMetalQuantumMaterials sciencePhysicsOptoelectronicsNanotechnologyQuantum mechanicsLaserMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract Tunnel nanojunctions based on inelastic electron tunneling (IET) have been heralded as a breakthrough for ultra‐fast integrated light sources. However, the majority of electrons tend to tunnel through a junction elastically, resulting in weak photon‐emission power and limited efficiency, which have hindered their practical applications to date. Resonant tunneling has been proposed as a way to alleviate this limitation, but photon‐emissions under resonant tunneling conditions have remained unsatisfactory for practical IET‐based light sources due to the inherent contradiction between high photon‐emission efficiency and power. In this work, we introduce a novel approach that leverages much stronger resonant tunneling enhancement achieved by multiple metallic quantum wells, which has enabled the internal quantum efficiency to reach ∼1 and photon‐emission power to reach ∼0.8 µW/µm 2 . Furthermore, this method is applicable with different electronic lifetimes ranging from 10 fs to 100 fs simultaneously, bringing practical implementation of IET‐based sources one step closer to reality.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,956

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,228 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanophotonicsMême sujetQuantum and electron transport phenomenaTravaux en français237 207