MétaCan
Menu
Retour à la cohorte
Enregistrement W4402854857 · doi:10.1021/acs.nanolett.4c03402

Acoustic Modulation of Individual Nanowire Quantum Dots Integrated into a Hybrid Thin-Film Lithium Niobate Photonic Platform

2024· article· en· W4402854857 sur OpenAlexaff
Thomas Descamps, Tanguy Schetelat, Jun Gao, Philip J. Poole, Dan Dalacu, Ali W. Elshaari, Val Zwiller

Notice bibliographique

RevueNano Letters · 2024
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensNational Research Council Canada
Organismes subventionnairesH2020 Future and Emerging TechnologiesWallenberg Centre for Molecular and Translational MedicineKnut och Alice Wallenbergs StiftelseWallenberg Center for Quantum Technology, Chalmers University of TechnologyEuropean Commission
Mots-clésLithium niobateNanowirePhotonicsMaterials scienceQuantum dotOptoelectronicsModulation (music)Thin filmNanotechnologyPhysicsAcoustics

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Surface acoustic waves are a powerful tool for controlling quantum systems, including quantum dots (QDs), where the oscillating strain field can modulate the emission wavelengths. We integrate InAsP/InP nanowire QDs onto a thin-film lithium niobate platform and embed them within Si 3 N 4 -loaded waveguides. We achieve a 0.70 nm peak-to-peak wavelength modulation at 13 dBm using a single focused interdigital transducer (FIDT) operating at 400 MHz, and we double this amplitude to 1.4 nm by using two FIDTs as an acoustic cavity. Additionally, we independently modulate two QDs with an initial wavelength difference of 0.5 nm, both integrated on the same chip. We show that their modulated emissions overlap, demonstrating the potential to bring them to a common emission wavelength after spectral filtering. This local strain-tuning represents a significant step toward generating indistinguishable single photons from remote emitters heterogeneously integrated on a single chip, advancing on-chip quantum information processing with multiple QDs.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,812
Score d'incertitude au seuil0,919

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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,208 · 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.

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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetPhotonic and Optical DevicesTravaux en français237 207