MétaCan
Menu
Retour à la cohorte
Enregistrement W2980146851 · doi:10.1049/iet-rsn.2019.0090

Quantum two‐mode squeezing radar and noise radar: covariance matrices for signal processing

2019· article· en· W2980146851 sur OpenAlexaff
David Luong, Bhashyam Balaji

Notice bibliographique

RevueIET Radar Sonar & Navigation · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueQuantum Information and Cryptography
Établissements canadiensDepartment of National DefenceDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésRadarContinuous-wave radarRadar engineering detailsRadar lock-onPulse-Doppler radarComputer scienceNoise (video)Passive radarBistatic radarRadar imagingAcousticsElectronic engineeringPhysicsTelecommunicationsEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Recently, the authors have built and evaluated a prototype quantum radar in the laboratory which operates at microwave frequencies. This radar, which they call a quantum two‐mode squeezing radar (QTMS radar), generates a pair of entangled microwave signals and transmits one of them through free space, using the other signal as a reference to perform matched filtering. The specific type of entanglement is called a two‐mode squeezed vacuum, a type of continuous‐variable entanglement between two frequencies. Motivated by the success of these experiments, they try to better understand the entangled QTMS radar signals in this study. They do so by comparing it to a simpler, more conventional radar system, which they call a two‐mode noise radar (TMN radar). They also show how both types of radars are related to standard noise radars as described in the literature. They find that the signals for QTMS radar signals and TMN radar signals have the same mathematical form and that they are related to noise radar by a simple mathematical transformation. This shows that QTMS radar signals can be emulated by a fictional, idealised TMN radar and that it is possible to apply results from the noise radar literature to QTMS radar.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,259
Écart entre enseignants0,249 · 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'étudeThéorique ou conceptuel
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

Citations48
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Radar Sonar & NavigationMême sujetQuantum Information and CryptographyTravaux en français237 207