Élaboration de fibres optiques multimatériaux aux fonctionnalités électro-optiques
Bibliographic record
Abstract
L’émergence des fibres optiques multimatériaux présente un intérêt technologique considérable en photonique pour combiner les propriétés remarquables des verres avec celles d’autres matériaux tels que les métaux ou les polymères afin de former un système fibré tout intégré avec de multiples fonctionnalités. Parmi ces fibres hybrides, le développement de fibres combinant simultanément une fonction de propagation d’un signal optique et une fonction de transport électrique pourrait apporter une solution alternative intéressante dans de nombreux domaines tels que les télécommunications, la médecine ou la détection. Une fibre avec une architecture conjuguant des caractéristiques électriques et optiques dans une structure de guidage d’onde unique et étirée permettra de développer des fonctionnalités électro-optiques de manière indépendantes ou simultanées afin de modifier les propriétés de l’onde optique.Nous rapportons, ici, la conception de deux fibres hybrides verre-métal différentes : une première à base de verre de tellurite TeO2 – ZnO – La2O3 et une deuxième à partir de verre de chalcogénure Ge – Se – Te avec une approche Rod-in-Tube et co-fibrage. Les verres de tellurite et les verres de chalcogénure ont été choisis pour leur large fenêtre de transmission dans le domaine de l’infrarouge moyen, leurs fortes propriétés d’optique non-linéaire et leur faible température de transition vitreuse (Tg) compatible avec de nombreux métaux et polymères par rapport aux verres de silice. Dans cette thèse, nous nous sommes focalisés sur la qualité de l’interface verre-métal, la continuité des électrodes le long de la fibre et le développement de techniques afin de connecter les électrodes à un circuit électrique externe.De plus, des simulations par éléments finis ont également été réalisées afin de déterminer les meilleurs paramètres pour la fibre : tension appliquée, distances électrode-électrode et cœur-électrode. En effet, il est important de trouver un compromis entre une proximité des deux électrodes pour maximiser le champ électrique vu par le cœur de la fibre optique et une distance cœur-électrode suffisamment grande pour ne pas induire des pertes optiques supplémentaires.Enfin, nous avons également mis en place un montage pour mesurer l’effet Kerr électro-optique qui correspond à une rotation de la polarisation de la lumière induite par un matériau diélectrique transparent soumis à un champ électrique externe. La constante Kerr de chaque composition tellurite a été mesurée afin de comprendre son évolution en fonction de la concentration de chaque composé.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".