MétaCan
Menu
Retour à la cohorte
Enregistrement W3091948428 · doi:10.1364/osac.403715

Error estimation in the analytical modeling of abrupt taper Mach-Zehnder interferometers

2020· article· en· W3091948428 sur OpenAlexafffund
Xiamin Leng, Scott S.-H. Yam, Pourya Ghasemi

Notice bibliographique

RevueOSA Continuum · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMach–Zehnder interferometerInterferometryAstronomical interferometerMulti-mode optical fiberOpticsOptical fiberFiberPhotonic-crystal fiberSingle-mode optical fiberPhotonicsPhysicsComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

In-line fiber interferometers based on abrupt tapers have been shown as a promising low-cost platform for various sensing applications. Many variations have been demonstrated experimentally using combinations and permutations of novel photonic devices such as photonic crystal fibers or multimode fibers. In this manuscript, an analytical model for light propagation in an abrupt taper Mach-Zehnder Interferometer in commercial single-mode fiber based on coupled-mode theory is detailed. The model calculates the mode propagation process, and the result is compared with previous numerical simulations. For experimental verification, an in-line Mach-Zehnder interferometer based on an abruptly tapered fiber is fabricated and tested. The spectrum calculated by the model matches well with the measured spectrum. To reduce the computational complexity, a method for step size estimation and the corresponding error accumulation is discussed and verified. This can serve as a basis to estimate the optical responses of this class of abrupt taper based fiber sensors. With the right packaging, these sensors can play a vital role in rugged and hostile environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,031
Tête enseignante GPT0,257
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOSA ContinuumMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207