MétaCan
Menu
Retour à la cohorte
Enregistrement W1976086097 · doi:10.1117/12.567546

Bragg gratings in multimode fiber

2004· article· en· W1976086097 sur OpenAlexaff
Honggang Yu, Chun Yang, Yong Wang, Jian Yang, Róbert Farkas, Chang‐Qing Xu

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMulti-mode optical fiberOpticsFiber Bragg gratingOffset (computer science)Materials scienceSpectral lineRefractive indexOptical fiberPolarization (electrochemistry)Single-mode optical fiberTransmission (telecommunications)Polarization-maintaining optical fiberOptoelectronicsPhysicsTelecommunicationsComputer scienceFiber optic sensor

Résumé

récupéré en direct d'OpenAlex

Recently, multimode fiber (MMF) and components based on MMF have attracted much attention due to their potential applications in future optical access networks. Fiber Bragg gratings (FBGs) are considered to be key components in both telecommunication and sensing applications. Although single-mode fiber based FBGs (SMFBG) have been studied thoroughly, few studies have been reported on MMFBGs, mainly because of the complexity and multiple mode nature of the MMF. In this paper, transmission and reflection spectra of MMFBGs are studied systematically. Relationships between transmission/reflection spectra and the excitation conditions are clearly demonstrated by observing the far-field pattern. Different launching methods including the lateral offset launching and angular offset launching and light sources with different spectrum width are used in experiments. Furthermore, the transmission/reflection spectra dependence on the polarization state of excitation light and asymmetric refractive index perturbation profile are studied in detail. Theoretical simulations are used to compare these experimental results.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207