V
主页
光子神经形态计算 (Rafatul Faria)
发布人
https://nanohub.org/courses/NP/f2017 本视频是Vladimir Shalaev关于超材料和纳米光学的课程,能帮助从事超材料和纳米光学相关领域的学生和科研人员全面了解领域的发展。 Vladimir Shalaev是普渡大学电子与计算机工程系教授,IEEE Fellow,Science期刊review editor。主要研究超材料、纳米光学、量子光学等。
打开封面
下载高清视频
观看高清视频
视频下载器
L3.2: 等离子体与超材料的应用
L2.1: 芯片级量子纳米光子学:挑战与展望
L2.2: 量子纳米光子学混合材料平台
L2.3: 量子自旋寄存器
L1.2: 变换光学:光学隐形和光学黑洞
光学与光子学中的奇偶时间对称性 (Emroz Khan)
光子学相变材料 (Chang Keun Yoon)
参数近零超材料 (Sarah Nahar Chowdh
光子拓扑绝缘体 (Shouyuan Huang)
操纵和控制纳米物体的光学纳米镊子 (Jonghoon Ahn)
随机激光 (Paul Chiang)
Control of Heat Radiation with Metamaterials (Prabhu Kumar Venuthurumilli)
L3.3: 耐火等离子体材料
量子发射器与等离激元模式的耦合
L1.1: 超材料:未来的技术
氮化硅光子晶体中的热控制束缚态
基于电子和光学材料的光子学新领域 (哈佛大学Federico Capasso)
超材料、变换光学和隐身
混合量子光子电路与量子频率转换
微波单光子全波仿真
基于等离激元纳米结构的超快量子光学设计
高斯光束传播-弹性光散射-动态光散射(伊利诺伊香槟分校暑期课程)
集成量子光学—新的等离激元材料和纳米器件
金刚石nv中心的自旋光界面
基于超材料、等离激元纳米结构和机器学习的量子光学
用机器学习推进光子设计和量子电路
Alexandra Boltasseva:量子技术国际会议
等离激元激励的芯片级单光子源
材料科学机器学习的介绍——预测材料性能的基本工作流程
Vladmir Shalaev:量子技术国际会议
Extreme Space-Time Optics & Quantum Meta-Photonics
变换光学在亚波长光学的应用
透明导电氧化物实现全光开关
基于拓扑优化方法的芯片级单光子源
傅里叶光学
诺贝尔物理奖——量子信息
【课件+代码】李沐大神《动手学深度学习》2024最新视频教程,比啃书高效!比刷剧还爽!(人工智能丨深度学习丨神经网络)
Photonic tensor core machine learning accelerator
Probabilistic Computing: From Materials and Devices to Circuits and Systems
GNN图神经网络零基础入门:GCN图卷积、PyTorch Geometric、图注意力机制、图相似度计算全详解,迪哥半天带你搞定GNN!