MétaCan
Menu
Retour à la cohorte
Enregistrement W3170106598

Développement de capteurs distribués à base de réseaux de Bragg pour la mesure de contrainte directionnelle

2021· article· fr· W3170106598 sur OpenAlexfundno aff
Tommy Boilard

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2021
Typearticle
Languefr
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundUniversité Laval
Mots-clésBase (topology)Mathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les capteurs distribués qui font appel à des réseaux de Bragg inscrits dans des fibres optiques multicœurs sont de plus en plus utilisés pour mesurer différents paramètres physiques délocalisés. En utilisant l'information qui provient de chacun des cœurs de la fibre, il est possible de reconstruire sa forme tridimensionnelle, ce qui trouve actuellement de nombreuses applications innovantes, notamment en robotique et dans le domaine médical. Dans le cadre du programme Sentinelle Nord, le principal objectif de mon projet de maîtrise était de développer de tels capteurs pour le suivi des impacts du dégel du pergélisol dans les régions nordiques. Deux applications avaient initialement été ciblées. La première application consistait à mesurer la vitesse (et la direction) des écoulements d'eau souterraine qui jouent un rôle important dans la transmission de chaleur et qui doivent être considérés dans la modélisation numérique des processus physiques pour simuler la dynamique du pergélisol. La deuxième application consistait à suivre les tassements au dégel du pergélisol en reconstruisant le profil 3D d'un capteur à fibre optique qui y serait enfouie. Un modèle théorique de leur sensibilité à un écoulement d'eau a été développé et a permis de conclure que la vitesse des écoulements d'eau souterraine typiques était beaucoup trop faible pour être mesurée. Afin de s'attaquer à la seconde application, nous avons développé une nouvelle technologie de fibre multicœur où 3 fibres optiques ont été assemblées dans une préforme microstructurée en polycarbonate en l'étirant directement sur une tour à fibre. La caractérisation des réseaux de Bragg de cette fibre hybride verre-polymère a montré qu'elle est 7 fois plus sensible que les fibres optiques multicœurs traditionnelles. Les développements réalisés pour cette seconde application ont fait l'objet d'une publication d'un article scientifique dans le journal Optics Express. Dans le cadre de ce projet, et en parallèle à ces travaux, une méthode flexible d'inscription de réseaux de Bragg distribués sur une fibre optique avec un seul masque de phase uniforme a été développée. Grâce à cette méthode, une accordabilité record de 70 nm, soit plus de 15 fois supérieure à tout ce qui a été obtenu auparavant, a été atteinte.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,008
Tête enseignante GPT0,192
Écart entre enseignants0,184 · 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
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetOptical Network TechnologiesTravaux en français237 207