MétaCan
Menu
Retour à la cohorte
Enregistrement W4323843785 · doi:10.3390/mi14030633

Enhanced Modulation Bandwidth by Delayed Push–Pull Modulated DFB Lasers

2023· article· en· W4323843785 sur OpenAlexaff
Jiewen Chi, Xun Li, Chuanning Niu, Jia Zhao

Notice bibliographique

RevueMicromachines · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSemiconductor Lasers and Optical Devices
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBandwidth (computing)BottleneckLaserOpticsDistributed feedback laserResonance (particle physics)OptoelectronicsModulation (music)Materials scienceFrequency modulationPhysicsComputer scienceTelecommunicationsAcoustics

Résumé

récupéré en direct d'OpenAlex

The bandwidth of a distributed feedback (DFB) directly modulated laser (DML) is limited by its carrier-photon resonance (CPR) frequency. A viable approach to break the bottleneck is to introduce a photon-photon resonance (PPR), since the PPR can happen at a much higher frequency than the CPR. Among the many structures that can possibly generate the PPR, the dual-sectional push-pull modulated (PPM) DFB is of particular interest for its fabrication cost-effectiveness as no regrowth is required. The PPR in the PPM DFB, however, usually shows a rapid roll-off on both edges, which brings in an indentation on the lower frequency side of the PPR peak and, consequently, cuts off the bandwidth. To compensate for this dip, we introduce a detuned PPR and restart the CPR response by exploiting a time delay between the differential signals applied to the PPM DFB. Our simulation result shows that the broadened PPR peak and the restarted CPR response indeed mitigate the dip and effectively expand the PPM-DFB's bandwidth to approximately 50 GHz, a value double that of the conventional (single-sectional) DFB DML.

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 ouverte0,0010,000
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 Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicromachinesMême sujetSemiconductor Lasers and Optical DevicesTravaux en français237 207