On-Chip Sensing System Employing Wavelength Splitting for Noise Suppression
Notice bibliographique
Résumé
In this work, we present a novel refractive index (RI) sensing system capable of suppressing optical phase errors (noise). Phase errors, for instance, due to process and temperature variations, limit the sensor's accuracy and limit-of-detection (LoD). The proposed system uses four loop-terminated Mach-Zehnder Interferometers (LT-MZI) to achieve wavelength splitting. LT-MZI allows us to tune the output spectrum using its directional coupler coefficients. Wavelength splitting occurs by the RI change, using two LT-MZIs with opposite wavelength sensitivities. By determining two independent parameters, namely the wavelength splitting and the average wavelength, the system can differentiate between phase changes due to medium index change and phase changes due to any other effects (noise), which maximizes the detection accuracy. This wavelength splitting cannot be achieved using the conventional Mach-Zhender Interferometer (MZI). Another two LT-MZIs with a quarter of the length are used to increase the detection range. This system is used to design a liquid sensor based on CMOS-compatible silicon-on-insulator (SOI) technology, operating in the near-infrared range. The SOI platform achieves high sensitivity to changes in the medium's refractive index and enables compact device designs due to its high index contrast. However, it is also susceptible to optical phase errors. Our proposed system effectively mitigates these errors, enhancing accuracy and LoD. Our designed sensor achieves an intrinsic LoD of 8e-4, and a sensitivity as high as 7890 nm/RIU with a sensing arm length of only 500 µm, which are 3 and 2 times higher than single MZI, respectively. In addition, this sensor has a much higher detection range, 6.3 times higher than a single MZI, and can suppress optical phase noise. Finally, our proposed system was fabricated and experimentally characterized, with measurements aligning closely with simulation results, verifying the reliability of our design.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».