MétaCan
Menu
Retour à la cohorte
Enregistrement W4280560541 · doi:10.1364/josab.459508

Characterization of Giles parameters for extended L-band erbium-doped fibers

2022· article· en· W4280560541 sur OpenAlexafffund
Hanlin Feng, Saber Jalilpiran, Frédéric Maes, Lixian Wang, Sophie LaRochelle

Notice bibliographique

RevueJournal of the Optical Society of America B · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensHuawei Technologies (Canada)Université Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCharacterization (materials science)ErbiumMaterials scienceErbium doped fiber amplifierDopingAttenuation coefficientComputational physicsFiberNoise (video)Optical amplifierOpticsAbsorption (acoustics)Noise figureAmplifierWavelength-division multiplexingMeasurement uncertaintyPhysicsOptoelectronicsComputer scienceStatisticsMathematicsWavelength

Résumé

récupéré en direct d'OpenAlex

In this study, we present theoretical and experimental uncertainty analysis of erbium-doped fiber (EDF) characterization to improve performance prediction of erbium-doped fiber amplifiers (EDFAs) in the extended L-band. Through this uncertainty analysis, the optimal EDF lengths for absorption coefficient and emission coefficient characterization are determined to improve precision with a limited number of experimental steps. The uncertainty in the measured clustering ratio is also evaluated based on the uncertainty analysis of absorption and emission coefficients. To verify the accuracy of the Giles parameters determined from the EDF characterization, we compare simulation results, with calculated upper and lower uncertainties for the gain and noise figure (NF), to experimental measurements. The results show that the measured spectral gain and NF match well with the calculated value.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Optical Society of America BMême sujetOptical Network TechnologiesTravaux en français237 207