Compressive ultrafast pulse measurement via time-domain single-pixel imaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In contrast to imaging using position-resolving cameras, single-pixel imaging uses a bucket detector along with spatially structured illumination to compressively recover images. This emerging imaging technique is a promising candidate for a broad range of applications due to the high signal-to-noise ratio (SNR) and sensitivity, and applicability in a wide range of frequency bands. Here, inspired by single-pixel imaging in the spatial domain, we demonstrate a time-domain single-pixel imaging (TSPI) system that covers frequency bands including both terahertz (THz) and near-infrared (NIR) regions. By implementing a programmable temporal fan-out gate based on a digital micromirror device, we can deterministically prepare temporally structured pulses with a temporal sampling size down to <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mn>16.00</mml:mn> <mml:mo>±</mml:mo> <mml:mn>0.01</mml:mn> <mml:mspace width="thinmathspace"/> <mml:mspace width="thinmathspace"/> <mml:mi mathvariant="normal">f</mml:mi> <mml:mi mathvariant="normal">s</mml:mi> </mml:math> . By inheriting the advantages of detection efficiency and sensitivity from spatial single-pixel imaging, TSPI enables the recovery of a 5 fJ THz pulse and two NIR pulses with over <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mn>97</mml:mn> <mml:mi mathvariant="normal">%</mml:mi> </mml:math> fidelity via compressive sensing. We demonstrate that the TSPI is robust against temporal distortions in the probe pulse train as well. As a direct application, we apply TSPI to machine-learning-aided THz spectroscopy and demonstrate a high sample identification accuracy (97.5%) even under low SNRs (SNR <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mrow class="MJX-TeXAtom-ORD"> <mml:mo>∼</mml:mo> </mml:mrow> <mml:mn>10</mml:mn> </mml:math> ).
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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