MétaCan
Menu
Retour à la cohorte
Enregistrement W3184424992 · doi:10.36227/techrxiv.14974560.v1

Lightweight Low-Noise Linear Isolator Integrating Phase-Engineered Temporal Loops

2021· preprint· en· W3184424992 sur OpenAlexafffund
Sajjad Taravati, George V. Eleftheriades

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIsolatorNoise (video)Phase (matter)AcousticsPhase noiseComputer scienceMaterials scienceElectronic engineeringEngineeringPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The quest for efficient and versatile microwave and optical isolators has recently spawned several novel space-time-modulated isolator structures.However, such space-time isolators suffer from a large profile and complex architecture caused by progressive nonreciprocal space-time coupling properties.To overcome these limitations, we propose a nonmagnetic phase-engineered temporal-loop-based isolator featuring large isolation levels, weak undesired time harmonics, and a low profile.The proposed isolator is composed of two temporal loops that provide desired constructive and destructive interferences of different time harmonics.Furthermore, these two loops are designed in a way to assure that the circulation and reflection of different time harmonics strengthen a low insertion loss unidirectional signal transmission.An experimental demonstration of the proposed time-modulated isolator at microwave frequencies is provided, featuring strong unidirectional wave transmission through the isolator with more than 27 dB contrast between the forward and backward waves across a fractional bandwidth of 14.3%.The proposed isolator outperforms the nonlinear-based and transistor-based isolators by featuring a highly linear response with OP 1dB of higher than 31 dBm, high power rating of more than 47 dBm, and a low noise figure of 3.4 dB.

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)0,002
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 enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,017
Tête enseignante GPT0,265
Écart entre enseignants0,248 · 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'admission2
Résumé présentoui

Explorer davantage

Même sujetNeural Networks and Reservoir ComputingTravaux en français237 207