MétaCan
Menu
Retour à la cohorte
Enregistrement W4388038904 · doi:10.1109/iceaa57318.2023.10297679

Stainless Steel Laser-Sintered 3D Printed Corrugated Horn Antennas at Ka Band

2023· article· en· W4388038904 sur OpenAlexafffund
Ian Goode, Aditya Singh, Carlos E. Saavedra

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFrench hornHorn antennaKa bandConical surfaceMaterials scienceFeed hornAntenna (radio)OpticsOptoelectronicsDirectional antennaAcousticsElectrical engineeringSlot antennaEngineeringPhysicsComposite materialMicrostrip antennaPeriscope antenna

Résumé

récupéré en direct d'OpenAlex

The viability of stainless steel as the constituent material for 3D printed corrugated conical horn antennas at Ka Band is explored in this work. Three identical corrugated antennas are fabricated to assess the impact of different levels of post processing on the metal surface. A fourth conical horn antenna without corrugations was fabricated using the same metal 3D printing process. This ‘basic’ horn antenna is used as a baseline performance comparator for the corrugated horns. Measurements show that the 3D printed corrugated horn can deliver a peak realized gain of 19.3 dBi at 38.5 GHz and a cross-polar discrimination (XPD) in the $\vec{E}$ plane below 22.8 dB at 28 GHz and below 27.5 dB at 40 GHz. The XPD performance in the $\vec{H}$ is below 23 dB at 28 GHz and below 32.8 dB at 40 GHz.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,999

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)0,0020,002

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 Opus0,023
Tête enseignante GPT0,260
Écart entre enseignants0,237 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSuperconducting and THz Device TechnologyTravaux en français237 207