MétaCan
Menu
Retour à la cohorte
Enregistrement W4401723010 · doi:10.1103/physrevapplied.22.024055

Determining strain components in a diamond waveguide from zero-field optically detected magnetic resonance spectra of negatively charged nitrogen-vacancy-center ensembles

2024· article· en· W4401723010 sur OpenAlexaff
M. Sahnawaz Alam, Federico Gorrini, Michał Gawełczyk, Daniel Wigger, Giulio Coccia, Yanzhao Guo, Sajedeh Shahbazi, Vibhav Bharadwaj, Alexander Kubanek, Roberta Ramponi, Paul E. Barclay, A. J. Bennett, John P. Hadden, Angelo Bifone, Shane M. Eaton, Paweł Machnikowski

Notice bibliographique

RevuePhysical Review Applied · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiamond and Carbon-based Materials Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesEngineering and Physical Sciences Research CouncilMinistero dell'Università e della RicercaMinistero degli Affari Esteri e della Cooperazione InternazionaleBundesministerium für Bildung und ForschungEuropean CommissionNarodowe Centrum NaukiScience Foundation IrelandAlexander von Humboldt-Stiftung
Mots-clésDiamondPhotonicsMaterials scienceSpectroscopyLaserMagnetic fieldVacancy defectSpectral lineQuantumOptoelectronicsMolecular physicsCondensed matter physicsOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Laser-written optical waveguides in diamonds are a key technology to enhance coupling between defect centers and light, boosting applications in nanoscale sensing and quantum information processing. However, laser writing of photonic structures produces strain in the diamond lattice, modifying the properties of defect centers in poorly understood ways. This study demonstrates that optically detected magnetic resonance spectroscopy provides sufficient information to fully characterize the spatial distribution of strain in such a device, even without a constant magnetic field. The work yields an accessible tool that could be very useful for advancing diamond-based quantum technologies.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,023
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,025
Tête enseignante GPT0,291
Écart entre enseignants0,267 · 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.

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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review AppliedMême sujetDiamond and Carbon-based Materials ResearchTravaux en français237 207