MétaCan
Menu
Retour à la cohorte
Enregistrement W4392593845 · doi:10.1515/nanoph-2023-0819

Optimization of a programmable <i>λ</i> /2‐pitch optical phased array

2024· article· en· W4392593845 sur OpenAlexafffund
A. Sharma, John N. Straguzzi, Tianyuan Xue, Alperen Gövdeli, Fu‐Der Chen, Andrei Stalmashonak, Wesley D. Sacher, Joyce K. S. Poon

Notice bibliographique

RevueNanophotonics · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMax-Planck-GesellschaftCMC Microsystems
Mots-clésPhased arrayPhased-array opticsComputer scienceMacrocell arrayComputer architectureElectronic engineeringOptoelectronicsMaterials scienceOpticsPhysicsTelecommunicationsEngineeringLogic gateLogic synthesis

Résumé

récupéré en direct d'OpenAlex

A challenge in optical phased arrays (OPAs) is to achieve single-lobe emission using densely spaced emitters without incurring inter-waveguide optical crosstalk. Here, we propose to heuristically optimize the amplitude and phase of each grating antenna in an OPA to correct for optical non-idealities, including fabrication variations and inter-waveguide crosstalk. This method was applied to a silicon photonic integrated circuit with 1 mm-long gratings at 775 nm spacing for operation in a wavelength range of 1450-1650 nm. We achieved a wide two-dimensional beam-steering range of 110° × 28°, evaluated over a 127° × 47° field-of-view (FOV). Within this FOV, we measured an average sidelobe suppression of 8.2 dB and focused on average, 34.5 % of the emitted power into the main lobe. We achieved a peak sidelobe suppression of 14.5 dB and 50 % of the power concentrated in the main lobe. The approach is suitable for applications that require alias-free out-of-plane emission.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,232 · 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

Citations19
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanophotonicsMême sujetNeural Networks and Reservoir ComputingTravaux en français237 207