MétaCan
Menu
Retour à la cohorte
Enregistrement W2337387478 · doi:10.1364/oe.24.008895

Multi-channel control for microring weight banks

2016· article· en· W2337387478 sur OpenAlexfundno aff
Alexander N. Tait, Thomas Ferreira de Lima, Mitchell A. Nahmias, Bhavin J. Shastri, Paul R. Prucnal

Notice bibliographique

RevueOptics Express · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Graduate EducationDivision of Electrical, Communications and Cyber SystemsNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésFeed forwardCalibrationComputer scienceChannel (broadcasting)ScalabilityPhotonicsWavelength-division multiplexingFilter (signal processing)Electronic engineeringOptical filterInterference (communication)OpticsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

We demonstrate 4-channel, 2GHz weighted addition in a silicon microring filter bank. Accurate analog weight control becomes more difficult with increasing number of channels, N, as feedback approaches become impractical and brute force feedforward approaches take O(2N) calibration measurements in the presence of inter-channel dependence. We introduce model-based calibration techniques for thermal cross-talk and cross-gain saturation, which result in a scalable O(N) calibration routine and 3.8 bit feedforward weight accuracy on every channel. Practical calibration routines are indispensible for controlling large-scale microring systems. The effect of thermal model complexity on accuracy is discussed. Weighted addition based on silicon microrings can apply the strengths of photonic manufacturing, wideband information processing, and multiwavelength networks towards new paradigms of ultrafast analog distributed processing.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,222
Écart entre enseignants0,209 · 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

Citations87
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetPhotonic and Optical DevicesTravaux en français237 207