Tunable Rayleigh scattering in low-loss Sr-based nanoparticle-doped optical fibers: Controlling nanoparticle features throughout preform and fiber fabrication
Notice bibliographique
Résumé
Alkaline earth nanoparticles in-situ grown on silica-based optical fibers are promising for distributed sensing applications. To date, only Ca-based nanoparticles have been proven to be suitable compositions for long-range distributed fiber sensing based on Rayleigh scattering enhancement. Herein, we extend this approach and demonstrate for the first time that Sr-based nanoparticles grown in-situ in silica-based optical fiber cores are suitable to fabricate low-loss Rayleigh scattering enhanced nanoparticle-doped optical fibers with tunable performance. A thorough microstructural study about the influence of preform and fiber manufacture conditions on the nanoparticle characteristics reveal their great impact, and the possibility of considerably tailoring their features throughout fabrication process. This simultaneously determines the tunability of the induced Rayleigh scattering and optical attenuation. Consequently, we improve the state-of-art trade-off between Rayleigh scattering enhancement and two-way optical losses, showing values of 26.4–43.8 dB, regarding a SMF-28, and 0.2–5.1 dB/m, respectively. This allows long-range sensing lengths from 8.6 m to 132 m. Our findings provide new insights into in-situ grown alkaline earth nanoparticles and establish solid guidelines to tailor nanoparticle features in nanoparticle-doped optical fibers, which open new prospects in optical fiber community.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».