Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Seeing through disorder in multimode fibers via physics-informed deep learning towards information transmission

Qian Zhang (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
Space-division multiplexing using multimode fibers has emerged as a promising technique offering significantly enhanced data throughput on the modern internet. However, the use of multimode fibers introduces modal crosstalk due to complex transmission behavior. Accessing the exact modal weights via mode decomposition enables a full understanding of fiber transmission behavior and facilitates precise control of light propagation, enabling high-dimensional information transmission over optical fibers without distortion. This thesis presents a comprehensive investigation of AI–based approaches for the characterization of the optical field in multimode fibers using pure intensity measurement. By integrating AI algorithms with photonics, three strategies are proposed to achieve accurate, scalable, and real-time mode decomposition. The data-driven approach incorporates physical constraints into the training data, enabling accurate mode decomposition up to 910 Hz on 23 modes. Physics-informed models integrate physical priors directly into the optimization process, allowing decomposition of up to over one thousand modes. These numerical models demonstrate strong generalizability, operating effectively over fiber lengths ranging from 1 m to 1 km. For physics-in-network models, optical diffractive neural networks are digitally trained and physically implemented, enabling mode decomposition at the speed of light. These achievements in reference-less characterization and real-time demultiplexing of multimode fibers are expected to boost optical communication and high-dimensional quantum communication. Furthermore, these techniques are anticipated to broaden their impact across a range of applications, including integrated photonic devices, fiber sensing, and optical computing.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 38,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
30.12.2025
Sprache
Englisch
EAN
9783819103490
Herausgeber
Shaker
Serien- oder Bandtitel
Dresdner Berichte zur Messsystemtechnik
Sonderedition
Nein
Autor
Qian Zhang
Seitenanzahl
178
Auflage
1
Einbandart
Broschiert

Hersteller: Shaker Verlag GmbH, Am Langen Graben 15a, Düren, Deutschland, 52353, info@shaker.de, Ruth Babel

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Sicher bei rebuy kaufen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!
Sicher bei rebuy kaufen