MétaCan
Menu
Retour à la cohorte
Enregistrement W4400023553 · doi:10.1103/physreva.111.043502

A Precision Gyroscope from the Spin of Light

2024· article· en· W4400023553 sur OpenAlexafffund
Michael A. Fedderke

Notice bibliographique

RevuearXiv (Cornell University) · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysics and Sensor Technology
Établissements canadiensPerimeter Institute
Organismes subventionnairesOffice of ScienceInstitut Périmètre de physique théoriqueNational Science FoundationGovernment of CanadaU.S. Department of EnergyMinistry of Colleges and Universities
Mots-clésPhysicsGyroscopeOpticsAstronomical interferometerInterferometrySIGNAL (programming language)Rotation (mathematics)Polarization (electrochemistry)Sagnac effectRing laser gyroscopeNoise (video)VibrationAcousticsComputer scienceLaser

Résumé

récupéré en direct d'OpenAlex

We describe a gyroscope that measures rotation based on the effects of the rotation on the polarization of light. Rotation induces a differential phase shift in the propagation of left and right circularly polarized light and this phase shift can be measured in suitably designed interferometric setups. The signal in this setup is independent of the frequency of light, unlike various sources of noise such as vibrations, which cause phase shifts that depend on the frequency. Such vibrations are the practical limit on the sensitivity of conventional Sagnac-style optical interferometers that are typically used as gyroscopes. In the proposed setup, one can potentially mitigate this source of noise by simultaneously using two (or more) sources of light that have different frequencies. The signal in this setup scales with the total storage time of the light. Due to its frequency independence, it is thus most optimal to measure the signal using superconducting RF systems where the high finesse of the available cavities enables considerably longer storage times than is possible in an optical setup.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,021
Tête enseignante GPT0,152
Écart entre enseignants0,130 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetGeophysics and Sensor TechnologyTravaux en français237 207