MétaCan
Menu
Retour à la cohorte
Enregistrement W3186244041 · doi:10.1088/2515-7647/ac184f

Temporal characterization of two-octave infrared pulses by frequency resolved optical switching

2021· article· en· W3186244041 sur OpenAlexaff
Adrien Leblanc, Adrien Longa, Mayank Kumar, Antoine Laramée, Charles Dansereau, Heide Ibrahim, Philippe Lassonde, François Légaré

Notice bibliographique

RevueJournal of Physics Photonics · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésSupercontinuumOctave (electronics)FemtosecondOpticsMaterials scienceCharacterization (materials science)Sum-frequency generationSpectral lineWavelengthNonlinear opticsOptoelectronicsPhotonic-crystal fiberPhysicsLaser

Résumé

récupéré en direct d'OpenAlex

Abstract We present the temporal characterization of infrared pulses with spectra extending from 0.55 to 2.5 μm by using the frequency resolved optical switching (FROSt) technique. The pulses are obtained by broadening femtosecond pulses at 1.75 μm central wavelength in a two-stage hollow core fiber setup. This work demonstrates the capability of the FROSt technique to temporally characterize pulses with ultra-broadband spectra. Being free of phase-matching constraints, it enables the characterization of pulses with very low energy at the limit of the detection threshold and with arbitrary long pulse duration. This strength of the FROSt technique is illustrated by the characterization of supercontinua pulses whose spectra span over two octaves and with only 150 nJ energy that is spread temporally over almost 40 ps. The FROSt capabilities provide a versatile tool for the characterization of sub-cycle pulses and to study nonlinear processes such as supercontinuum generation.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,264
Écart entre enseignants0,254 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics PhotonicsMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207