MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412831801 · doi:10.1117/12.3065596

Design of a 33:67 beam splitter via inverse optimization on a symmetric SOI platform

2025· article· en· W4412831801 sur OpenAlexaff
Junyeop Lee, S. K. Choi, Seungsoo Lee, Seokjin Hong, Jae‐Yong Kim, Berkay Neşeli, Jihwan Park, Rongpei Shi, Hamza Kurt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésSplitterInverseSilicon on insulatorBeam splitterBeam (structure)Computer sciencePhysicsOpticsMathematicsOptoelectronicsGeometrySilicon

Résumé

récupéré en direct d'OpenAlex

Beam splitters (BSs) on a silicon-on-insulator (SOI) platform are essential for implementing quantum logic gates in quantum information processing (QIP). In particular, 50:50 and 33:67 BSs are used in constructing Hadamard and CNOT gates. Achieving compact, low-loss asymmetric BSs with high fabrication tolerance remains a challenge. We propose an optimized asymmetric BS with a 33:67 splitting ratio using particle swarm optimization (PSO) combined with full-wave electromagnetic simulation. The structure includes parallel silicon waveguides connected by bent sections and a central inverse-designed region. The silicon waveguides, with a width of 500 nm and height of 220 nm, are embedded in silicon dioxide cladding for strong optical confinement. Simulations confirm that the design achieves a target 1:2 splitting ratio with minimal insertion loss. The overall layout is compact, symmetric, and robust to fabrication errors, making it suitable for integration in quantum photonic circuits. The design operates in the C-band and supports smooth mode transitions with negligible reflection. The proposed approach can be extended to design other asymmetric beam splitters with custom ratios and broadband operation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,213
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhotonic and Optical Devices→Travaux en français237 207→