MétaCan
Menu
Retour à la cohorte
Enregistrement W4390058699 · doi:10.1038/s42005-023-01489-2

Photonic integrated processor for structured light detection and distinction

2023· article· en· W4390058699 sur OpenAlexaff
Johannes Bütow, V. Sharma, Dorian Brandmüller, Jörg S. Eismann, Peter Banzer

Notice bibliographique

RevueCommunications Physics · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensMax Planck - University of Ottawa Centre for Extreme and Quantum Photonics
Organismes subventionnairesHorizon 2020 Framework ProgrammeKarl-Franzens-Universität GrazChristian Doppler ForschungsgesellschaftEuropean CommissionÖsterreichische Nationalstiftung für Forschung, Technologie und Entwicklung
Mots-clésPhotonicsComputer sciencePolygon meshPhotonic integrated circuitStructured lightChipPhysicsOpticsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract Integrated photonic devices are pivotal elements across research fields that involve light-based applications. Particularly versatile platforms are programmable photonic integrated processors, which are employed in applications like communication or photonic computing. Free-space distributions of light can be coupled to such processors, which subsequently control the coupled light on-chip within meshes of programmable optical gates. This enables access to the spatial properties of free-space light, particularly its relative phase, which is usually challenging to measure. Here, we discuss and show the detection of amplitude and phase distributions of structured higher-order light beams using a multipurpose photonic processor. This can be used to directly distinguish light’s orbital angular momentum without including additional elements interacting with the free-space light. We envision applications in a range of fields that rely on the spatial distributions of light’s properties, such as microscopy or communications.

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)0,001
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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,032
Tête enseignante GPT0,281
Écart entre enseignants0,248 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications PhysicsMême sujetNeural Networks and Reservoir ComputingTravaux en français237 207