Noble metal nanostructures can enhance absorption in thin-film solar cells by simultaneously taking advantage of i) high near-fields surrounding the nanostructures close to their surface plasmon resonance frequency and ii) coupling to waveguide modes. We develop basic design rules for the realization of broadband absorption enhancements for such structures.

We experimentally demonstrate planar lenses based on nanoscale slit arrays in a metallic film. Our lens structures consist of optically thick gold films with micron-size arrays of closely spaced, nanoscale slits of varying widths milled using a focused ion beam. We find excellent agreement between electromagnetic simulations of the design and confocal measurements on manufactured structures. We provide guidelines for lens design and show how actual lens behavior deviates from simple theory.

We demonstrate the existence of electromagnetically-induced-transparency (EIT-)like spectral response in a system of nanoscale plasmonic resonator antennas coupled by means of a single-mode silicon waveguide. Our proposed scheme exploits the phase of the coupling between the antennas in contrast with the existing plasmonic approaches that rely on the strength of direct, near-field coupling of nanometallic elements. Quality factors of over 100 and group indices of over 10 are readily achieved at near-infrared frequencies by a single unit in $\ensuremath{\approx}1\text{ }\text{ }\ensuremath{\mu}{\mathrm{m}}^{2}$ of total device footprint, representing a more than two orders size reduction over corresponding dielectric EIT structures. By obviating the need for a near-field interaction, the phase-coupling scheme also facilitates an improved access to the coupling medium between the resonators thereby paving the way toward dynamic control of their sharp EIT-like spectral response.

Empowering silicon (Si) with optical functions constitutes a very important challenge in photonics. The scalable fabrication capabilities for this earth-abundant, environmentally friendly material are unmatched in sophistication and can be unleashed to realize a plethora of high-performance photonic functionalities that find application in information, bio-, display, camouflage, ornamental, and energy technologies. Nanofashioning represents a general strategy to turn Si into a useful optical material and Si structures have already been engineered to enable light emission, optical cloaking, waveguiding, nonlinear optics, enhanced light absorption, and sensing. Here, we demonstrate that a wide spectrum of colors can be generated by harnessing the strong resonant light scattering properties of Si nanostructures under white light illumination. The ability to engineer such colors in a predetermined fashion through a choice of the structure size, dielectric environment, and illumination conditions opens up entirely new applications of Si and puts this material in a new light.

Stacking van der Waals crystals allows for the on-demand creation of a periodic potential landscape to tailor the transport of quasiparticle excitations. We investigate the diffusion of photoexcited electron–hole pairs, or excitons, at the interface of WS2/WSe2 van der Waals heterostructure over a wide range of temperatures. We observe the appearance of distinct interlayer excitons for parallel and antiparallel stacking and track their diffusion through spatially and temporally resolved photoluminescence spectroscopy from 30 to 250 K. While the measured exciton diffusivity decreases with temperature, it surprisingly plateaus below 90 K. Our observations cannot be explained by classical models like hopping in the moiré potential. A combination of ab initio theory and molecular dynamics simulations suggests that low-energy phonons arising from the mismatched lattices of moiré heterostructures, also known as phasons, play a key role in describing and understanding this anomalous behavior of exciton diffusion. Our observations indicate that the moiré potential landscape is dynamic down to very low temperatures and that the phason modes can enable efficient transport of energy in the form of excitons.

Two-dimensional (2D) materials are poised to revolutionize current solid-state technology with their extraordinary properties. Yet, the primary challenge remains their scalable production. While there have been significant advancements, much of the scientific progress has depended on the exfoliation of materials, a method that poses severe challenges for large-scale applications. With the advent of artificial intelligence (AI) in materials science, innovative synthesis methodologies are now on the horizon. This study explores the forefront of autonomous materials synthesis using an artificial neural network (ANN) trained by evolutionary methods, focusing on the efficient production of graphene. Our approach demonstrates that a neural network can iteratively and autonomously learn a time-dependent protocol for the efficient growth of graphene, without requiring pretraining on what constitutes an effective recipe. Evaluation criteria are based on the proximity of the Raman signature to that of monolayer graphene: higher scores are granted to outcomes whose spectrum more closely resembles that of an ideal continuous monolayer structure. This feedback mechanism allows for iterative refinement of the ANN's time-dependent synthesis protocols, progressively improving sample quality. Through the advancement and application of AI methodologies, this work makes a substantial contribution to the field of materials engineering, fostering a new era of innovation and efficiency in the synthesis process.