MétaCan
Menu
Retour à la cohorte
Enregistrement W3006421862 · doi:10.1088/1361-6501/ab7611

Packaging and precision testing of fiber-Bragg-grating and silicon ring-resonator thermometers: current status and challenges

2020· article· en· W3006421862 sur OpenAlexaffabout
Sergey Dedyulin, A. D. W. Todd, Siegfried Janz, Dan‐Xia Xu, Shurui Wang, Martin Vachon, John Weber

Notice bibliographique

RevueMeasurement Science and Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePhotonic and Optical Devices
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésFiber Bragg gratingMaterials scienceCurrent (fluid)ResonatorOpticsOptoelectronicsSiliconOptical fiberPhysicsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In recent years photonic thermometers—temperature sensors based on optical frequency measurement which exploit the thermo-optic effect to translate thermal changes into frequency shifts—are gaining popularity as a possible alternative to their electrical counterparts: platinum resistance thermometers and thermocouples. In this work, we report our results of testing photonic thermometers based on silica fiber-Bragg-grating technology supplied by a commercial company, as well as preliminary testing results of a silicon ring-resonator thermometer developed at the National Research Council of Canada. The main purpose of showing these two examples is to highlight some of the challenges that need to be addressed if photonic thermometers are to replace thermocouples or platinum resistance thermometers in metrology laboratories and other environments where high accuracy and stability are required, namely the influence of packaging on the sensor’s performance and the need for rigorous testing to be done in a temperature metrology lab.

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)0,021
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0040,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,070
Tête enseignante GPT0,245
Écart entre enseignants0,175 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetPhotonic and Optical DevicesTravaux en français237 207