Modeling of Pulse Propagation in Layered Structures With Resonant Nonlinearities Using a Generalized Time-Domain Transfer Matrix Method
Notice bibliographique
Résumé
We introduce a generalized time-domain transfer- matrix (TDTM) method, the only method to our knowledge that is capable of modeling high-index-contrast layered structures with dispersion and slow resonant nonlinearities. In this method transfer matrix is implemented in the time domain, either by switching between time and frequency domains using Fourier transform and its inverse operation, or by replacing the frequency variable (ω) with its temporal operator (-i (d/dt)). This approach allows us to implement the transfer matrix method (which can easily incorporate dispersion, is analytical in nature, and requires less computation time) in the time domain, where we can incorporate nonlinearity of various kinds, instantaneous (such as Kerr nonlinearity), or slow resonant nonlinearity (such as carrier-induced nonlinearity). This generalized TDTM method is capable of incorporate non-analytical forms of dispersion and of nonlinearity, making it a versatile tool for modeling optical devices where dispersion and nonlinearities are obtained phenomenologically. We also provide a few numerical examples to compare our method with the standard finite-difference time- domain (FDTD) method, as well as to examine the range of validity of our method. For pico-second and longer pulses, our results agree with the FDTD simulation results to within 1% and the computation time of our method is more than 100 fold reduced compared to that of FDTD for the longest pulse we used.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».