Comparative Study of Photonic Platforms and Devices for On-Chip Sensing
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».