MétaCan
Menu
Retour à la cohorte
Enregistrement W4408712158 · doi:10.1038/s41467-025-58052-6

Temporal point-by-point arbitrary waveform synthesis beyond tera sample per second

2025· article· en· W4408712158 sur OpenAlexaff
Yiran Guan, Guangying Wang, Yanyan Zhi, Jingxu Chen, Lingzhi Li, Jiejun Zhang, Jianping Yao

Notice bibliographique

RevueNature Communications · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNeural Networks and Reservoir Computing
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTera-Point (geometry)Sample (material)WaveformPoint-to-pointComputer sciencePhysicsTelecommunicationsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Arbitrary waveform synthesizers are indispensable in modern information technology, yet electronic counterparts are limited by the speed of analog-to-digital converters to hundreds of GSa/s. While photonic-assisted synthesizers offer potential to surpass this ceiling, scalability and reconfigurability remain challenges. Here, we propose a temporal point-by-point arbitrary waveform synthesizer beyond TSa/s, leveraging an optical temporal Vernier caliper in the photonic synthetic dimension. The system, combining a mode-locked laser and a fiber loop, controls the sampling rate of synthesized waveforms by exploiting a slight detuning between the pulse period and the round-trip delay of the fiber loop. The experiment demonstrates generated waveforms with ultra-high, tunable sampling rate up to 1 TSa/s, an order of magnitude higher than state-of-the-art electronic counterparts. Additionally, the system supports up to 10.4 kilo-points in memory depth. As application examples, the generation of communication waveforms for high-speed wireless communications and linearly chirped microwave waveforms for high-resolution multi-target detection is demonstrated. Here the authors demonstrate a temporal Vernier caliper for arbitrary waveform synthesis with a sampling rate over 1 TSa/s. These results, which surpass current electronic systems by an order of magnitude, have potential applications in radar and high-speed 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 enseignants0,002
Score d'incertitude au seuil0,008

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,262
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 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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetNeural Networks and Reservoir ComputingTravaux en français237 207