MétaCan
Menu
Retour à la cohorte
Enregistrement W4386876032 · doi:10.48550/arxiv.2309.09803

Performance analysis of table-top single-pulse terahertz detection up to 1.1 MHz

2023· preprint· en· W4386876032 sur OpenAlexaff
Nicolas Couture, Markus Lippl, Wei Cui, Angela Gamouras, Nicolas Y. Joly, Jean‐Michel Ménard

Notice bibliographique

RevuearXiv (Cornell University) · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensNational Research Council CanadaMax Planck - University of Ottawa Centre for Extreme and Quantum PhotonicsUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTerahertz radiationMicrosecondUltrashort pulseDynamic rangeNoise (video)PhotonicsTime domainData acquisitionPulse (music)Transient (computer programming)OpticsIntegratorTerahertz spectroscopy and technologyOptoelectronicsPhysicsComputer scienceLaserDetectorBandwidth (computing)Telecommunications

Résumé

récupéré en direct d'OpenAlex

Slow data acquisition in terahertz time-domain spectroscopy (THz-TDS) has hindered the technique's ability to resolve "fast" dynamics occurring on the microsecond timescale. This timescale, arguably too slow to be accessed via standard optical pump-probe techniques relying on ultrafast sources, hosts a range of phenomena that has been left unexplored due to a lack of proper real-time monitoring techniques. In this work, chirped-pulse spectral encoding, a photonic time-stretch technique, and high-speed electronics are used to demonstrate time-resolved THz detection at a rate up to 1.1 MHz. This configuration relies on a table-top source and a setup able to resolve every THz transient that it can generate. We investigate the performance of this system at different acquisition rates in terms of experimental noise, dynamic range, and signal-to-noise ratio. Our results pave the way towards single-pulse THz-TDS at arbitrarily fast rates to monitor complex dynamics in real-time.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,052
Tête enseignante GPT0,177
Écart entre enseignants0,125 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetTerahertz technology and applicationsTravaux en français237 207