Optical signal denoising through temporal passive amplification
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
Mitigating the stochastic noise introduced during the generation, transmission, and detection of temporal optical waveforms remains a significant challenge across many applications, including radio-frequency photonics, light-based telecommunications, spectroscopy, etc. The problem is particularly difficult for the weak-intensity signals often found in practice. Active amplification worsens the signal-to-noise ratio, whereas noise mitigation based on optical bandpass filtering attenuates further the waveform of interest. Additionally, current optical filtering approaches are not optimal for signal bandwidths narrower than just a few GHz. We propose a versatile concept for simultaneous amplification and noise mitigation of temporal waveforms, here successfully demonstrated on optical signals with bandwidths spanning several orders of magnitude, from the kHz to GHz scale. The concept is based on lossless temporal sampling of the incoming coherent waveform through Talbot processing. By reaching high gain factors ( <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>100</mml:mn></mml:math> ), we show the recovery of ultra-weak optical signals, with power levels below the detector threshold, additionally buried under a much stronger noise background. The method is inherently self-tracking, a capability demonstrated by simultaneously denoising four data signals in a dense wavelength division multiplexing scheme.
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) | 0,000 | 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