MétaCan
Menu
Retour à la cohorte
Enregistrement W4362706310 · doi:10.1016/j.dib.2023.109134

Synthetic dataset of speckle images for fiber optic temperature sensor

2023· article· en· W4362706310 sur OpenAlexafffund
Juan Diego Arango, Víctor H. Aristizábal, Francisco J. Vélez, Juan Carrasquilla, Jorge A. Gómez, Jairo Quijano, Jorge Herrera-Ramírez

Notice bibliographique

RevueData in Brief · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensVector InstituteUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute CanadaUniversidad Cooperativa de ​Colo​mb​iaInstituto Tecnológico MetropolitanoUniversidad EAFITCanadian Institute for Advanced Research
Mots-clésCladding (metalworking)MultiphysicsSpeckle patternOpticsFinite element methodWavelengthOptical fiberMulti-mode optical fiberModalMaterials scienceSpeckle noiseRefractive indexPhysics

Résumé

récupéré en direct d'OpenAlex

The published data correspond to images of simulated specklegrams, which result from the calculation of the modal interference that occurs in a multimode optical fiber. These have a characteristic pattern due to the constructive or destructive interference between the light modes depending on their phase differences. The specklegram contains valuable information since the propagation of the modes varies according to the influence of some external disturbances, and therefore, the speckle pattern changes. This dataset contains specklegrams that vary according to the temperature. These data have been obtained by simulation using the finite element method (FEM) through the COMSOL multiphysics platform. In the simulation, the vector wave equation is solved, and the refractive index of the fiber is recalculated due to the temperature change. We simulated a 1490 nm wavelength laser, an optical fiber with a core diameter of 50 µm and cladding diameter of 125 µm. The dataset contains specklegrams covering the range of temperatures from 0°C to 120°C in 0.2°C steps.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,276
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207