MétaCan
Menu
Retour à la cohorte
Enregistrement W2889401277 · doi:10.1109/iwcmc.2018.8450431

Enhancing Signal Strength and ISI-Avoidance of Diffusion-based Molecular Communication

2018· article· en· W2889401277 sur OpenAlexaff
Oussama Abderrahmane Dambri, Soumaya Cherkaoui

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMolecular Communication and Nanonetworks
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMolecular communicationSIGNAL (programming language)Impulse (physics)Computer scienceInterference (communication)TransmitterChannel (broadcasting)Degradation (telecommunications)Biological systemMaterials scienceChemistryPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Diffusion-based Molecular Communication is a bioinspired system, which uses random walk diffusive molecules as carriers of the information between the transmitter and the receiver. One of the main challenges of that system is the Inter-Symbol-Interference (ISI), caused by the channel memory and represented by a heavy tail in the impulse response. While most prior work has proposed the use of enzymes to catalyze the degradation of the remaining molecules, which mitigates ISI and increases the data rate, the enzymes will decrease the signal strength by degrading also the molecules carrying the information. In this paper, we propose the use of non-enzymatic reactions to degrade only the received molecules, which increases the amplitude of the received signal and at the same time mitigates ISI, enhancing by that the signal strength and the achievable throughput. In this study, we focused on photolysis reactions, which use light to instantly degrade the molecules. We studied the optimal time of light emission with 3D stochastic simulations, using AcCoRD simulator. Simulation results show an improvement of the received signal when using non-enzymatic reactions, compared to enzymatic systems. The performance of the proposed method was evaluated using interference-to-total-received molecules (ITR).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,387
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMolecular Communication and NanonetworksTravaux en français237 207