MétaCan
Menu
Retour à la cohorte
Enregistrement W2525523245 · doi:10.1038/ncomms13004

Wideband dynamic microwave frequency identification system using a low-power ultracompact silicon photonic chip

2016· article· en· W2525523245 sur OpenAlexafffund
Maurizio Burla, Xu Wang, Ming Li, Lukas Chrostowski, José Azaña

Notice bibliographique

RevueNature Communications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensUniversity of British ColumbiaInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesCMC Microsystems
Mots-clésPhotonicsBroadbandWidebandComputer scienceFiber Bragg gratingElectronic engineeringHigh dynamic rangeChipMicrowaveSilicon photonicsDynamic rangeOptoelectronicsMaterials scienceTelecommunicationsEngineeringOptical fiber

Résumé

récupéré en direct d'OpenAlex

Photonic-based instantaneous frequency measurement (IFM) of unknown microwave signals offers improved flexibility and frequency range as compared with electronic solutions. However, no photonic platform has ever demonstrated the key capability to perform dynamic IFM, as required in real-world applications. In addition, all demonstrations to date employ bulky components or need high optical power for operation. Here we demonstrate an integrated photonic IFM system that can identify frequency-varying signals in a dynamic manner, without any need for fast measurement instrumentation. The system is based on a fully linear, ultracompact system based on a waveguide Bragg grating on silicon, only 65-μm long and operating up to ∼30 GHz with carrier power below 10 mW, significantly outperforming present technologies. These results open a solid path towards identification of dynamically changing signals over tens of GHz bandwidths using a practical, low-cost on-chip implementation for applications from broadband communications to biomedical, astronomy and more.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 GPT0,258
Écart entre enseignants0,247 · 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

Citations125
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPhotonic and Optical DevicesTravaux en français237 207