MétaCan
Menu
Retour à la cohorte
Enregistrement W3183712426 · doi:10.1109/jlt.2021.3097163

Point-to-Multipoint Optical Networks Using Coherent Digital Subcarriers

2021· article· en· W3183712426 sur OpenAlexaff
Dave Welch, Antonio Napoli, Johan Bäck, Warren Sande, João Pedro, Fady Masoud, Chris Fludger, T. Duthel, Han Sun, Steven Hand, Ting-Kuang Chiang, Aaron Chase, A. Mathur, Tobias A. Eriksson, Mats Plantare, Magnus Olson, Stefan Voll, Kuang‐Tsan Wu

Notice bibliographique

RevueJournal of Lightwave Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensInfineon Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésSubcarrier multiplexingMultiplexingComputer scienceTransceiverSubcarrierScalabilityElectronic engineeringInteroperabilityOrthogonal frequency-division multiplexingMultiwavelength optical networkingNetwork architecturePassive optical networkComputer networkOptical Transport NetworkPoint-to-pointOptical communicationWavelength-division multiplexingTelecommunications networkOptical networkingTelecommunicationsEngineeringOptical fiberFiber optic splitterWireless

Résumé

récupéré en direct d'OpenAlex

A paradigm shift in optical communication networks is proposed, with the introduction of a new ecosystem of devices and components with the capability of transforming current point-to-point optical networks (with their entailed, limiting, electrical aggregation) into flexible, scalable and cost-effective point-to-multipoint networks. In the new architecture, which better aligns with the hub-and-spoke traffic patterns observed in today's metro and access network segments, interoperability across a variety of transceivers operating at different speeds is achieved using individually routed, digitally generated subcarriers. The first comprehensive demonstration of the technical feasibility of the proposed point-to-multipoint architecture based on digital subcarrier multiplexing is presented, along with the remarkable cost savings and simplification of the network it enables.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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

Citations192
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Lightwave TechnologyMême sujetOptical Network TechnologiesTravaux en français237 207