MétaCan
Menu
Retour à la cohorte
Enregistrement W4389076550 · doi:10.1109/lpt.2023.3336211

Generalized Probability Density Function of Polarization-Dependent Loss in Optical Links

2023· article· en· W4389076550 sur OpenAlexaff
Xiang Lin, Zhiping Jiang

Notice bibliographique

RevueIEEE Photonics Technology Letters · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Network Technologies
Établissements canadiensHuawei Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésMultiplexerProbability density functionRandomnessComputer sciencePolarization (electrochemistry)Optical communicationOptical fiberProbability distributionElectronic engineeringOptical add-drop multiplexerOptical performance monitoringTopology (electrical circuits)OpticsStatistical physicsPhysicsWavelengthWavelength-division multiplexingMultiplexingTelecommunicationsMathematicsEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

In modern optical networks, reconfigurable optical add-drop multiplexers consisting of wavelength selective switches are widely adopted, and they are the major cause of polarization dependent loss (PDL). Link PDL evolves with time due to the time-varying polarization state of propagating light in the optical fiber, and this randomness needs to be considered in the design and operation of optical networks. Therefore, characterizing link PDL using statistical methods is important. It is well known that link PDL in ultra long-haul systems containing a large number of PDL elements is Maxwellian-distributed. However, it is not appropriate when links include a reduced number of PDL elements, or there exist a few dominant PDL elements. In this letter, statistics of link PDL is studied, and a generalized probability density function (PDF) is derived for links including a variety of number of elements. Simulations and experiments are performed, and results show that the generalized PDF fits in a wide scope of realistic scenarios. On the other hand, the conventional Maxwellian distribution exhibits significant discrepancy with the actual one in the studied cases.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
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 enseignants0,201 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Photonics Technology LettersMême sujetOptical Network TechnologiesTravaux en français237 207