MétaCan
Menu
Retour à la cohorte
Enregistrement W2041305670 · doi:10.1117/12.406429

Pulse narrowing in optical components with polarization mode dispersion using polarization controls

2000· article· en· W2041305670 sur OpenAlexaff
Liang Chen, Mauricio Yañez, Xiaoyi Bao, Brent R. Petersen

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2000
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPolarization mode dispersionBirefringencePolarization (electrochemistry)OpticsDifferential group delayDispersion (optics)Optical fiberPhysicsPolarization-maintaining optical fiberMaterials scienceModal dispersionDispersion-shifted fiberFiber optic sensor

Résumé

récupéré en direct d'OpenAlex

An algorithm capable of finding the input and output states ofpolarization for maximum pulse narrowing at the output of an optical fiber with polarization mode dispersion (PMD) is analytically presented and numerically solved. It is always possible to obtain output pulses which are narrower than the input pulses when PMD is compensated by controlling both the input polarization as well as the receiver polarization states. This anomalous effect was shown to be exclusively due to PMD as no chromatic dispersion or polarization dependent losses were assumed. We report the detailed study for the cases in which the fiber consists oftwo, three and five hundred segments ofhighly-birefringent (Hi-Bi) fiber. The solution shows the existence of two orthogonal input and output states ofpolanzation (different from those introduced by Poole et. al.) under which the integrity of the pulse is preserved and the pulsewidth at the output is the narrowest possible. The cost to be paid for this improvement is a reduction ofthe optical power in the output pulse.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Network TechnologiesTravaux en français237 207