MétaCan
Menu
Retour à la cohorte
Enregistrement W4388331912 · doi:10.3390/photonics10111233

Comparative Study of Photonic Platforms and Devices for On-Chip Sensing

2023· article· en· W4388331912 sur OpenAlex
Raghi S. El Shamy, Mohamed A. Swillam, Xun Li

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePhotonics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSilicon photonicsSensitivity (control systems)FootprintFigure of meritWaveguideResonatorComputer scienceReliability (semiconductor)Materials scienceSilicon nitrideChipPhotonicsElectronic engineeringSiliconOptoelectronicsTelecommunicationsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Chemical and biological detection is now an indispensable task in many fields. On-chip refractive index (RI) optical sensing is a good candidate for mass-scale, low-cost sensors with high performance. While most literature works focus on enhancing the sensors’ sensitivity and detection limit, other important parameters that determine the sensor’s yield, reliability, and cost-effectiveness are usually overlooked. In this work, we present a comprehensive study of the different integrated photonic platforms, namely silica, silicon nitride, and silicon. Our study aims to determine the best platform for on-chip RI sensing, taking into consideration the different aspects affecting not only the sensing performance of the sensor, but also the sensor’s reliability and effectiveness. The study indicates the advantages and drawbacks of each platform, serving as a guideline for RI sensing design. Modal analysis is used to determine the sensitivity of the waveguide to medium (analyte) index change, temperature fluctuations, and process variations. The study shows that a silicon platform is the best choice for high medium sensitivity and a small footprint. On the other hand, silica is the best choice for a low-loss, low-noise, and fabrication-tolerant design. The silicon nitride platform is a compromise of both. We then define a figure of merit (FOM) that includes the waveguide sensitivity to the different variations, losses, and footprint to compare the different platforms. The defined FOM shows that silicon is the best candidate for RI sensing. Finally, we compare the optical devices used for RI sensing, interferometers, and resonators. Our analysis shows that resonator-based devices can achieve much better sensing performance and detection range, due to their fine Lorentzian spectrum, with a small footprint. Interferometer based-sensors allow engineering of the sensors’ performance and can also be designed to minimize phase errors, such as temperature and fabrication variations, by careful design of the interferometer waveguides. Our analysis and conclusions are also verified by experimental data from other published work.

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.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,045
Tête enseignante GPT0,291
Écart entre enseignants0,246 · 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