MétaCan
Menu
Retour à la cohorte
Enregistrement W2020153558 · doi:10.1364/oe.22.027681

Fiber Bragg gratings for low-temperature measurement

2014· article· en· W2020153558 sur OpenAlexafffund
Elton Soares de Lima Filho, Mohamad Diaa Baiad, Mathieu Gagné, Raman Kashyap

Notice bibliographique

RevueOptics Express · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesCanada Council for the ArtsNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of Canada
Mots-clésFiber Bragg gratingMaterials scienceOpticsPHOSFOSOptical fiberFiber optic sensorRefractive indexThermal expansionThermalPhotonic-crystal fiberFiberTemperature measurementOptoelectronicsPolarization-maintaining optical fiberComposite materialWavelength

Résumé

récupéré en direct d'OpenAlex

We demonstrate the use of fiber Bragg gratings (FBGs) as a monolithic temperature sensor from ambient to liquid nitrogen temperatures, without the use of any auxiliary embedding structure. The Bragg gratings, fabricated in three different types of fibers and characterized with a high density of points, confirm a nonlinear thermal sensitivity of the fibers. With a conventional interrogation scheme it is possible to have a resolution of 0.5 K for weak pure-silica-core FBGs and 0.25 K using both boron-doped and germanium-doped standard fibers at 77 K. We quantitatively show for the first time that the nonlinear thermal sensitivity of the FBG arises from the nonlinearity of both thermo-optic and thermal expansion coefficients, allowing consistent modeling of FBGs at low temperatures.

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 candidatesaucune
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 enseignants0,151
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,214
Écart entre enseignants0,202 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations67
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207