MétaCan
Menu
Retour à la cohorte
Enregistrement W3111648384 · doi:10.1109/jlt.2020.3045389

Design, Acceptance and Capacity of Subsea Open Cables

2020· article· en· W3111648384 sur OpenAlexaff
Elizabeth Rivera Hartling, A. N. Pilipetskiǐ, Darwin Evans, Eduardo Mateo, M. Salsi, Pascal Pecci, P. Mehta

Notice bibliographique

RevueJournal of Lightwave Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensCiena (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubseaComputer scienceElectronic engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This article will discuss the collaboratively formed cross-industry open cables concept for characterizing optical performance of undersea cables with the intent of assessing and understanding their capacity potential. The article proposes definitions of two critical nonlinear and linear performance metrics for open cables: GSNR (Gaussian or generalized signal to noise ratio) and SNR <sub xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">ASE</sub> (Signal to noise ratio amplified spontaneous emission), including effects such as GAWBS (guided acoustic wave Brillouin scattering) and signal droop. Measurement methodologies for these metrics are proposed, with considerations for limitations and impact of the test conditions and characteristics of the transponders used. Expanded definitions are offered to enable variable symbol rate transponders to be used for measurement, with considerations for scaling of SNR values. Considerations for using these metrics for capacity assessment and applying these techniques to concatenated multi-segment systems are introduced. Recommendations on key parameters for system specification, system characterization, and proposals for SNR-based performance budgeting tables are also discussed as foundational elements to enabling accurate estimation of the capacity potential of a subsea open cable.

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 enseignants0,031
Score d'incertitude au seuil0,404

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 Opus0,040
Tête enseignante GPT0,245
Écart entre enseignants0,205 · 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

Citations52
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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