MétaCan
Menu
Retour à la cohorte
Enregistrement W4408159780 · doi:10.1038/s41377-025-01793-2

Non-invasive and fully two-dimensional quantitative visualization of transparent flow fields enabled by photonic spin-decoupled metasurfaces

2025· article· en· W4408159780 sur OpenAlexaff
Qingbin Fan, Peicheng Lin, Le Tan, Chunyu Huang, Yanqing Lu, Ting Xu

Notice bibliographique

RevueLight Science & Applications · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMetamaterials and Metasurfaces Applications
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesnon disponible
Mots-clésVisualizationPhotonicsOptoelectronicsFlow (mathematics)OpticsComputer sciencePhysicsMechanicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Transparent flow field visualization techniques play a critical role in engineering and scientific applications. They provide a clear and intuitive means to understand fluid dynamics and its complex phenomena, such as laminar flow, turbulence, and vortices. However, achieving fully two-dimensional quantitative visualization of transparent flow fields under non-invasive conditions remains a significant challenge. Here, we present an approach for achieving flow field visualization by harnessing the synergistic effects of a dielectric metasurface array endowed with photonic spin-decoupled capability. This approach enables the simultaneous acquisition of light-field images containing flow field information in two orthogonal dimensions, which allows for the real-time and quantitative derivation of multiple physical parameters. As a proof-of-concept, we experimentally demonstrate the applicability of the proposed visualization technique to various scenarios, including temperature field mapping, gas leak detection, visualization of various fluid physical phenomena, and 3D morphological reconstruction of transparent phase objects. This technique not only establishes an exceptional platform for advancing research in fluid physics, but also exhibits significant potential for broad applications in industrial design and vision.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,018
Tête enseignante GPT0,318
Écart entre enseignants0,300 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLight Science & ApplicationsMême sujetMetamaterials and Metasurfaces ApplicationsTravaux en français237 207