MétaCan
Menu
Retour à la cohorte
Enregistrement W4405926236 · doi:10.3390/photonics12010025

Efficient, Compact Mid-Infrared Sources: A Systematic Study of Intracavity Difference-Frequency Generation

2024· article· en· W4405926236 sur OpenAlexafffund
Saeed Salimian Rizi, Liam Flannigan, Alex Chiasson, Tyler Kashak, Daniel Poitras, Chang‐Qing Xu

Notice bibliographique

RevuePhotonics · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Fiber Laser Technologies
Établissements canadiensNational Research Council CanadaMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésInfraredOpticsOptoelectronicsSum-frequency generationMaterials sciencePhysicsNonlinear opticsLaser

Résumé

récupéré en direct d'OpenAlex

This study presents a compact intracavity difference-frequency generation (DFG) source designed for mid-infrared (mid-IR) applications. By optimizing overlap between the pump and signal beams, we obtained a black-box efficiency (ηBB) of 3.4% W⁻1 and a maximum DFG output power of 63 mW at a wavelength of 3437 nm for a 50 mm long periodically poled lithium niobate (PPLN) crystal. The mid-IR laser was systematically studied for various PPLN lengths (29 mm, 40 mm, and 50 mm), demonstrating extensive tunability across a range of mid-IR wavelengths. Stability assessments over short-term (2 min) and long-term (2 h) periods were also investigated, showing stability values of 0.91% and 1.08%, respectively. These advancements position our DFG laser as a promising candidate for potential applications in greenhouse gas detection and satellite communication, addressing the growing demand for reliable and efficient mid-IR sources.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,640
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 Opus0,023
Tête enseignante GPT0,273
Écart entre enseignants0,249 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhotonicsMême sujetAdvanced Fiber Laser TechnologiesTravaux en français237 207