Metrics for spectral and spatial performance in terahertz spectroscopic imaging
Notice bibliographique
Résumé
In this work, we investigate the spectral and spatial performance of coupled terahertz microjets and apertures, with knowledge that the broadband material characterizations desired in spectroscopy are often at odds with the fine spatial resolutions sought in imaging. To explore this, we characterize lactose masked by apertures of varied widths across a targeted spectrum of 0.3-0.9 THz. We observe the spectra in terms of Kramers-Kronig error, with our spectral cutoff frequency as a metric of spectral performance, and modulation depth, with spatial resolution as a metric of imaging performance. Overall, we see the apertures act as high-pass frequency filters, with the spectral cutoff frequency as a dividing line between inaccurate spectra at low frequencies (due to prevailing random and systematic error) and accurate spectra at high frequencies (due to high transmission). For spectral performance, our aperture widths of 1000, 500, and 250 µm give spectral cutoff frequencies that are less than 0.3 THz, at 0.41 THz, and at 0.84 THz, respectively. For imaging performance, we see frequencies of 0.3, 0.6, and 0.9 THz give spatial resolutions of 1000, 250, and 250 µm, respectively. Ultimately, we conclude that spectroscopic and imaging performance must be considered together in realizing an effective system for terahertz spectroscopic imaging.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».