論文の概要: Lifetime Prediction of 1550 nm DFB Laser using Machine learning
Techniques
- arxiv url: http://arxiv.org/abs/2203.14762v1
- Date: Sat, 19 Mar 2022 09:36:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-03 19:19:33.720690
- Title: Lifetime Prediction of 1550 nm DFB Laser using Machine learning
Techniques
- Title(参考訳): 機械学習を用いた1550nmDFBレーザーの寿命予測
- Authors: Khouloud Abdelli, Danish Rafique, Helmut Griesser, and Stephan
Pachnicke
- Abstract要約: InGaAsP MQW-DFBレーザーダイオードの寿命予測のためのニューラルネットワーク(ANN)に基づく新しい手法を提案する。
加速度的老化試験により従来の寿命予測よりも優れる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A novel approach based on an artificial neural network (ANN) for lifetime
prediction of 1.55 um InGaAsP MQW-DFB laser diodes is presented. It outperforms
the conventional lifetime projection using accelerated aging tests.
- Abstract(参考訳): 1.55 um ingaasp mqw-dfbレーザーダイオードの寿命予測のための人工ニューラルネットワーク(ann)に基づく新しい手法を提案する。
加速老化試験により従来の寿命予測よりも優れる。
関連論文リスト
- Design and simulation of a transmon qubit chip for Axion detection [103.69390312201169]
超伝導量子ビットに基づくデバイスは、量子非劣化測定(QND)による数GHz単一光子の検出に成功している。
本研究では,Qub-ITの超伝導量子ビットデバイスの実現に向けた状況を示す。
論文 参考訳(メタデータ) (2023-10-08T17:11:42Z) - Model-based Optimization of Superconducting Qubit Readout [59.992881941624965]
超伝導量子ビットに対するモデルベース読み出し最適化を実証する。
我々は,残共振器光子から500nsの終端長と最小限の過剰リセット誤差で,キュービット当たり1.5%の誤差を観測した。
この技術は数百のキュービットに拡張でき、エラー訂正コードや短期アプリケーションの性能を高めるために使用される。
論文 参考訳(メタデータ) (2023-08-03T23:30:56Z) - Degradation Prediction of Semiconductor Lasers using Conditional
Variational Autoencoder [0.0]
本稿では, 特定の知識や物理モデルを用いることなく, 劣化傾向を予測できる新しいデータ駆動手法を提案する。
提案手法は、教師なし手法、条件付き変分オートエンコーダに基づいており、垂直キャビティ表面発光レーザ(VCSEL)と可変エッジ発光レーザ信頼性データを用いて検証されている。
実験結果から,(i)F1スコア95.3%,(ii)ベースラインMLに基づく異常検出技術に優れ,(iii)故障したデバイスを早期に予測して老化試験の短縮に役立てることにより,モデルが良好な劣化予測と一般化性能を達成できることが確認された。
論文 参考訳(メタデータ) (2022-11-05T08:10:11Z) - A Machine Learning-based Framework for Predictive Maintenance of
Semiconductor Laser for Optical Communication [0.0]
半導体チューナブルレーザーの加速時効試験から得られた実験データを用いて,本フレームワークの有効性を検証した。
提案手法は,小さな根平均二乗誤差(RMSE)0.01,優れた異常検出精度94.24%,既存のMLベースのレーザRUL予測モデルよりも優れたRUL推定能力を有する,非常に優れた劣化性能予測性能を実現する。
論文 参考訳(メタデータ) (2022-11-05T07:53:02Z) - Machine Learning based Laser Failure Mode Detection [0.0]
本稿では,Long Short-Term Memory(LSTM)リカレントニューラルネットワークに基づくデータ駆動型故障検出手法を提案する。
24.41%の分類精度を達成し、LSTMベースのモデルは95.52%の精度を達成する。
論文 参考訳(メタデータ) (2022-03-19T09:46:19Z) - A Hybrid CNN-LSTM Approach for Laser Remaining Useful Life Prediction [0.0]
畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)に基づくハイブリッド型予後モデルを提案し, レーザー残効寿命(RUL)を予測する。
実験の結果,従来の手法よりも優れた性能を示した。
論文 参考訳(メタデータ) (2022-03-19T09:08:14Z) - Federated Learning Approach for Lifetime Prediction of Semiconductor
Lasers [0.0]
新たなプライバシ保護フェデレーション学習フレームワークにより、レーザーメーカーは、堅牢なMLベースのレーザー寿命予測モデルを構築することができる。
平均的な絶対誤差は0.1年で、性能は大幅に向上する。
論文 参考訳(メタデータ) (2022-03-19T09:02:26Z) - Physics-constrained deep neural network method for estimating parameters
in a redox flow battery [68.8204255655161]
バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。
そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。
また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
論文 参考訳(メタデータ) (2021-06-21T23:42:58Z) - Invertible Surrogate Models: Joint surrogate modelling and
reconstruction of Laser-Wakefield Acceleration by invertible neural networks [55.41644538483948]
可逆ニューラルネットワークは、機械学習の最近の技術である。
我々は、レーザープラズマ加速器(iLWFA)に関わる物理学の複雑な前方シミュレーションを近似する可逆サロゲートモデルを導入する。
論文 参考訳(メタデータ) (2021-06-01T12:26:10Z) - Multiplicative Reweighting for Robust Neural Network Optimization [51.67267839555836]
MW(multiplicative weight)更新は、専門家のアドバイスにより、適度なデータ破損に対して堅牢である。
MWはラベルノイズの存在下でニューラルネットワークの精度を向上することを示す。
論文 参考訳(メタデータ) (2021-02-24T10:40:25Z) - Temporal Pulses Driven Spiking Neural Network for Fast Object
Recognition in Autonomous Driving [65.36115045035903]
スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。
各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
論文 参考訳(メタデータ) (2020-01-24T22:58:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。