Realization and optimization of phase-shifted distributed feedback fiber Bragg grating Raman lasers
Notice bibliographique
Résumé
Single-frequency laser sources have found a great number of applications, but are difficult to implement and suffer from poor robustness, poor quality (linewidth and stability), and are generally expensive to fabricate. One solution for a cheaper and simpler single-frequency source is a π-phase-shifted distributed feedback (DFB) fiber Bragg grating (FBG) based laser. Typically, such a laser usually uses a fiber with rare-earth dopants as an active medium for gain. However, its operating wavelength is limited to the emission bandwidth of the rare-earth dopant in the fiber. A proposed solution to overcome this limitation is to use Raman gain. Raman DFB fiber lasers have been successfully demonstrated, and a few simulations have been undertaken and reported. However, a thorough study of parameters and careful optimization has not been reported due to the long computation time and difficulty in the fabrication of long FBGs with known parameters. We demonstrate here, with the aid of a fast but exact method, a detailed optimization study on phase-shifted Raman DFB fiber lasers. These theoretical results are compared with the experimental operation of many fabricated FBGs thanks to a newly developed fabrication technique for the replication of FBGs. We show that fabricated lasers have poor performance compared to simulations of ideal lasers. We also show that the difference in performance is due to the high internal optical intensity induced nonlinear thermal gradient along the FBG.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».