MétaCan
Menu
Retour à la cohorte
Enregistrement W3108608087 · doi:10.1109/jlt.2020.3041352

Forward Stimulated Brillouin Scattering Analysis of Optical Fibers Coatings

2020· article· en· W3108608087 sur OpenAlexfundno aff
Hilel Hagai Diamandi, Yosef London, Gil Bashan, Keren Shemer, Avi Zadok

Notice bibliographique

RevueJournal of Lightwave Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Technology, IsraelAzrieli FoundationIsrael Academy of Sciences and Humanities
Mots-clésMaterials scienceCoatingBrillouin scatteringCladding (metalworking)Optical fiberOpticsScatteringLight scatteringDouble-clad fiberAcoustic waveFiber optic sensorFiberComposite materialGraded-index fiber

Résumé

récupéré en direct d'OpenAlex

The proper function of protective coating layers is essential for the handling and application of brittle optical fibers. The elastic parameters of polymer coatings can be studied through off-line analysis of test samples. However, the monitoring of these properties on a working fiber during service is challenging. In this work, we use forward stimulated Brillouin scattering processes in standard single mode fibers to measure the acoustic velocity in several types of coating layers. Pump light launches short acoustic pulses outward from the core of the fiber. Multiple reflections at the boundaries between cladding and coating, and between coating and air, form a series of delayed acoustic echoes across the core. These echoes are monitored, in turn, by photo-elastic phase modulation of probe light. Data are collected at temperatures between 25-120 °C. The thermal dependence of the acoustic velocities in several coatings and of the F-SBS resonance frequencies is investigated. Observations are corroborated by calculations. The proposed technique is well suited for research and development of coating materials, production line quality control, reliability studies and preventive maintenance of working fibers.

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 enseignants0,157
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
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 Opus0,011
Tête enseignante GPT0,235
Écart entre enseignants0,224 · 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

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207