MétaCan
Menu
Retour à la cohorte
Enregistrement W6957794462 · doi:10.60692/4868p-mn791

Photon-sparse microscopy: visible light imaging using infrared illumination

2015· article· en· W6957794462 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRandom lasers and scattering media
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésPhotonVisible spectrumInfraredWavelengthBeam (structure)SIGNAL (programming language)Light beam

Résumé

récupéré en direct d'OpenAlex

Conventional imaging systems rely upon illumination light that is scattered or transmitted by the object and subsequently imaged. Ghost-imaging systems based on parametric down-conversion use twin beams of position-correlated signal and idler photons. One beam illuminates an object while the image information is recovered from a second beam that has never interacted with the object. In this Letter, we report on a camera-based ghost imaging system where the correlated photons have significantly different wavelengths. Infrared photons at 1550 nm wavelength illuminate the object and are detected by an InGaAs/InP single-photon avalanche diode. The image data are recorded from the coincidently detected, position-correlated, visible photons at a wavelength of 460 nm using a highly efficient, low-noise, photon-counting camera. The efficient transfer of the image information from infrared illumination to visible detection wavelengths and the ability to count single photons allows the acquisition of an image while illuminating the object with an optical power density of only 100 pJ cm−2 s−1. This wavelength-transforming ghost-imaging technique has potential for the imaging of light-sensitive specimens or where covert operation is desired.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,227
Écart entre enseignants0,202 · 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'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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetRandom lasers and scattering mediaTravaux en français237 207