XiaoMi-AI文件搜索系统
World File Search System谐振器
基于氮化硅微环谐振器的二分纠缠量子频率梳设计平台
集成克尔量子频率梳 (QFC) 具有产生多个可扩展量子态的潜力，已成为宽带纠缠的紧凑、稳定和基本资源。在这里，我们构建了一个通过片上氮化硅微环谐振器设计二分纠缠 QFC 的平台。通过建立克尔非线性微谐振器的系统量子动力学，我们的平台可以支持多达 12 个连续变量量子模式，形式为受磁滞影响的六个同时双模压缩对。频率模式对的纠缠度取决于谐振器结构和环境温度。通过调节腔体温度，我们可以在特定的注入泵浦功率和泵浦失谐下优化纠缠性能。我们全面的 QFC 设计流程和纠缠分布控制可以改善纠缠的产生和优化。
高效紧凑的溶胶-凝胶 TiO2 热光微环谐振器调制器
摘要：热光 (TO) 调制器在波长路由器、激光雷达、光学计算和其他可重构光子系统中发挥着越来越重要的作用。由于 TiO 2 纤芯和具有负热光系数的 SU-8 包层之间的协同效应，首次在 1310 nm 波段展示了基于溶胶-凝胶 TiO 2 平台的高效 TO 可调微环谐振器 (MRR)。以 SU-8 聚合物为顶部包层的 MRR 调制器表现出 33.0 pm/mW 的热调谐效率，比采用二氧化硅顶部包层的 MRR 调制器高 14 倍以上。它的上升/下降时间为 9.4 us/24 us，P π 功率为 7.22 mW，表明在允许在不同基板上进行单片集成的非晶材料平台中，TO 调制器具有相对较高的品质因数。这些结果为溶胶-凝胶 TiO 2 平台在光子集成电路中的应用带来了巨大的希望，并为设计可穿戴设备、可见光/红外通信和生物光子应用中的紧凑高效的 TO 调制器提供了新的视角。
由Berry阶段在双层石墨烯谐振器中驱动的可移动山谷开关
近年来，大语言模型（LLM）的整合彻底改变了机器人技术领域，使机器人能够以人类的熟练程度进行交流，理解和理性。本文探讨了LLMS对机器人技术的多方面影响，以应对在各个领域中利用这些模型的关键挑战和机会。通过对核心机器人技术元素（通信，感知，计划和控制）中的LLM应用进行分类和分析，我们旨在为寻求将LLMS集成到其机器人系统中的研究人员提供可行的见解。我们的调查重点是开发了GPT-3.5后的LLM，主要是基于文本的模式，同时还考虑了多模式的感知和控制方法。我们提供了迅速工程的全面指南和示例，从而促进初学者对基于LLM的机器人解决方案的访问。通过教程级别的示例和结构化的及时构建，我们说明了如何将LLM引导的增强无缝集成到机器人技术应用中。这项调查是研究人员在LLM驱动机器人技术的不断发展的景观方面的路线图，为利用语言模型在Robotics开发中的力量提供了全面的概述和实用指南。
Optically Driven Nano-Beam Resonator for Hydrogen Sensing
可以使用微型和纳米机电系统（MEMS和NEMS）使用电子方法来驱动谐振器的机械模式。这些谐振器在检测质量[8]，[9]，力[10]，[11]，气体[12]和磁[13]方面表现出巨大的潜力。然而，所描述的机制具有几个相关的缺点，例如非线性输出，短路电势以及对高驱动电压的需求。基于调制的光学功率直接耦合到谐振器的光学驾驶已被提议作为解决上述问题的有效方法。使用光学驾驶和读数系统开发了许多机械谐振器。这些谐振器包括光力学磁力计[14]，[15]，光学加速度计[16]和位移传感器[17]，[18]。
AlN 和 AlScN 薄膜 ICP 蚀刻微
随着对电子设备成本更低、性能更好、尺寸更小、可持续性更强的需求，微机电系统 (MEMS) 换能器成为受益于小型化的主要下一代技术候选之一 [1-3]。压电 MEMS 谐振器具有高品质因数和大机电耦合度，是射频 (RF) 系统中很有前途的产品 [4-8]。压电 MEMS 谐振器的主要材料是氮化铝 (AlN)、压电陶瓷 (PZT)、氧化锌 (ZnO) 和铌酸锂 (LN) [9-13]。近年来，掺杂 AlN 薄膜，尤其是氮化铝钪 (AlScN)，因其能提高 d 33 和 d 31 压电系数而备受研究 [14]。基于AlN和AlScN薄膜的压电MEMS谐振器凭借单片集成度高、性能优越等特点，受到越来越多的关注。MEMS谐振器种类繁多，如表面声波（SAW）谐振器[15，16]、薄膜体声波谐振器（FBAR）[17-19]。但SAW器件与CMOS工艺不兼容，FBAR的频率主要取决于压电层厚度，因此很难在一个芯片上实现多个工作频率或宽频率可调性。另一方面，基于AlN和AlScN的轮廓模式谐振器（CMR）与CMOS工艺兼容[20-24]。同时，工作频率和谐振频率与CMOS工艺兼容，而基于CMR的器件的工作频率和谐振频率与CMOS工艺不兼容。
用于量子光机电的具有高品质因子的纳米机械晶体 AlN 谐振器
高品质因数 ( Q m ) 机械谐振器对于需要低噪声和长相干时间的应用至关重要，例如镜面悬挂、量子腔光机械装置或纳米机械传感器。材料中的拉伸应变使得能够使用耗散稀释和应变工程技术来提高机械品质因数。这些技术已用于由非晶材料制成的高 Q m 机械谐振器，最近也用于由 InGaP、SiC 和 Si 等晶体材料制成的高 Q m 机械谐振器。表现出显著压电性的应变晶体薄膜扩展了高 Q m 纳米机械谐振器直接利用电子自由度的能力。在这项工作中，我们实现了由拉伸应变 290 nm 厚的 AlN 制成的 Q m 高达 2.9 × 10 7 的纳米机械谐振器。AlN 是一种外延生长的晶体材料，具有强压电性。利用耗散稀释和应变工程实现 Q m × fm 乘积接近 10 13 的纳米机械谐振器
基于微环谐振器和具有 Fano 谐振的 MZI 的带宽可调光学滤波器
敏感传感器、全光开关和可重构分插滤波器[5-7]。前期工作中，利用微环谐振器（MRR）的对称谐振特性，已经制作出许多带宽可调的器件[8-12]。例如，一种是基于单个微环谐振器的滤波器，其谐振器的耦合系数由微机电系统调整。然而，要实现 MEMS 可调谐性，需要施加近 40 V 的高驱动电压 [5]。另一种也是基于单个微环谐振器的滤波器 [13]。其谐振器的耦合系数由热光移相器调整。这种滤波器的缺点是带宽变化范围有限，带外抑制性能较差。还有一种结合了 MZI 和环形谐振器的滤波器，环形谐振器嵌入 MZI 臂中，其带宽调谐受到带内纹波和插入损耗的限制 [14]。在本文中，我们展示了一种基于环形谐振器和具有 Fano 谐振的 MZI 的带宽可调光学滤波器。它由两个单个 MRR 和一个由两个 1 9 2 多模干涉 (MMI) 构成的 MZI 结构组成。两个单个 MRR 的耦合系数均由热光移相器调谐。在这种新设计中，由两个 TiN 加热器控制的两个 MRR 可用于产生额外的相位以打破正常 MRR 的对称洛伦兹形状。通过两个不对称洛伦兹形状的叠加可以观察到 Fano 谐振，并且 3 dB 通带明显增宽。利用硅的热光（TO）特性，带宽范围从0.46到3.09nm，比以前的器件更宽。输出端口的消光比大于25dB，自由光谱范围（FSR）为9.2nm，适合光电集成电路中的传输。众所周知，通过端口3dB，带宽是一个重要的
对称硅微孔谐振器光学横杆阵列，用于加速的推理和训练
摘要：光子综合电路正在成为一个有前途的平台，用于加速深度学习中的矩阵乘法，利用光的固有平行性质。尽管已经提出并证明了各种方案是为了实现这种光子矩阵加速器，但由于在光子芯片上直接芯片后反向传播的困难，使用光子加速器对人工神经网络的原位培训仍然具有挑战性。在这项工作中，我们提出了一个具有对称结构的硅微孔谐振器（MRR）光学横杆阵列，该横梁允许简单的芯片反向传播，有可能使深度学习的推理和训练阶段加速。我们在Si-On-On-On-On-On-On-On-On-On-On平台上演示了一个4×4电路，并使用它来执行简单神经网络的推理任务，用于对虹膜花进行分类，从而达到了93.3％的分类精度。随后，我们使用模拟的芯片反向传播训练神经网络，并在训练后同一推理任务中达到91.1％的精度。此外，我们使用9×9 MRR横梁阵列模拟了卷积神经网络（CNN）进行手写数字识别，以执行卷积操作。这项工作有助于实现紧凑和节能的光子加速器进行深度学习。
深度学习的关系从建筑安全法规中提取使用...
图3。微波传输NB CPW谐振器带有或没有YIG条带和磁场在2K。A，NB谐振器设备的示意图，其YIG条带有YIG条的间隙内。整个设备的尺寸为3.5×4.4 mm 2。两个NB谐振器的长度为13毫米和13.5毫米。插图：具有相同放大倍率的选定区域的光学显微镜图像。所示的YIG条（颜色对比度增强）为10900μm2（顶部）和10300μm2（底部）。b，两个NB谐振器的微波传输（S21）频谱，其间隙中没有YIG条。在4.364和4.203 GHz处的两个尖锐倾角（共振）分别对应于13 mm和13.5 mm共振器的共振频率。c，在零场（蓝色）的13.5毫米谐振器的微波传输光谱，在零场（橙色）的101200μm2 Yig条，
