文献
J-GLOBAL ID:202202264571891175   整理番号:22A0202142

円筒ベクトルビームモードを同定するための畳込みニューラルネットワーク【JST・京大機械翻訳】

Convolutional Neural Network to Identify Cylindrical Vector Beam Modes
著者 (10件):
資料名:
巻: 58  号:ページ: ROMBUNNO.6100111.1-11  発行年: 2022年 
JST資料番号: H0432A  ISSN: 0018-9197  CODEN: IEJQA7  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
空間非均一偏光分布を持つ円筒ベクトルビーム(CVB)は,それらの直交ベクトルモードにより光通信においてかなりの関心を集めている。しかし,ベクトルモードの同定は,CVB通信の実用化を妨げる効果的なモード抽出技術の欠如のため,常に挑戦である。ここでは,CVBのベクトルモードと,CVBシフトキーイング(CVB-SK)通信におけるその応用を示す実験を同定するために,畳み込みニューラルネットワーク(CNN)を導入した。畳込み層から成るCNNモデルを,Glanプリズムを用いてCVBにより得られた花弁パターンからモード特徴を抽出するために設計した。-20から20の範囲のベクトルモードの同定精度は,C_n2=1x10-14m-2/3,Δz=2000ΔΨmの大気乱流で98.07%に達した。ベクトルモードに対して100×100画素を持つMaxwellグレースケール画像をマッピングし符号化し,CVB-SK通信システムを構築し,CVB-SK信号を,5.19×10-2の画素誤差率でCNNモデルにより復調することに成功した。著者らの結果は,このCNNモデルがベクトルモードを効果的に認識することができ,それはCVB通信,高次元量子情報プロトコルなどに応用できる可能性があることを示す。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
半導体レーザ 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る