論文の概要: BIFROST: A First-Principles Model of Polarization Mode Dispersion in Optical Fiber

• arxiv url: http://arxiv.org/abs/2510.01212v1
• Date: Wed, 17 Sep 2025 18:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 05:29:07.840258
• Title: BIFROST: A First-Principles Model of Polarization Mode Dispersion in Optical Fiber
• Title（参考訳）: 光ファイバにおける偏光モード分散の第一原理モデルBIFROST
• Authors: Patrick R. Banner, Steven L. Rolston, Joseph W. Britton,
• Abstract要約: 光ファイバにおける偏光モード分散(PMD)の第1原理モデルであるBIFROSTを提案する。 我々のモデルはオープンソースのPythonモジュールで実装されており、コア形状、材料特性、環境ストレス、繊維紡糸からの複屈折を取り入れている。 本研究では, 市販繊維仕様, ファイバパドル計測, 展開繊維リンクのPMD統計値の公開により, モデルの有効性を検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present BIFROST, a first-principles model of polarization mode dispersion (PMD) in optical fibers. Unlike conventional models, BIFROST employs physically motivated representations of the PMD properties of fibers, allowing users to computationally investigate real-world fibers in ways that are connected to physical parameters such as environmental temperature and external stresses. Our model, implemented in an open-source Python module, incorporates birefringence from core geometry, material properties, environmental stress, and fiber spinning. We validate our model by examining commercial fiber specifications, fiber-paddle measurements, and published PMD statistics for deployed fiber links, and we showcase BIFROST's predictive power by considering wavelength-division-multiplexed PMD compensation schemes for polarization-encoded quantum networks. BIFROST's physical grounding enables investigations into such questions as the sensitivity of fiber sensors, the evaluation of PMD mitigation strategies in quantum networks, and many more applications across fiber technologies.
• Abstract（参考訳）: 光ファイバにおける偏光モード分散(PMD)の第1原理モデルであるBIFROSTを提案する。 従来のモデルとは異なり、BIFROSTはファイバのPMD特性を物理的に動機づけた表現を採用しており、ユーザーは環境温度や外部応力といった物理的パラメータに結びつく方法で現実世界のファイバを計算的に調査することができる。 我々のモデルはオープンソースのPythonモジュールで実装されており、コア形状、材料特性、環境ストレス、繊維紡糸からの複屈折を取り入れている。 我々は,商用ファイバ仕様,ファイバパドル計測,展開ファイバリンクのPMD統計を検証し,偏光符号化量子ネットワークのための波長分割多重PSD補償方式を考慮し,BIFROSTの予測能力を示す。 BIFROSTの物理グラウンドティングは、ファイバーセンサーの感度、量子ネットワークにおけるPMD緩和戦略の評価、およびファイバ技術全体にわたる多くの応用などの質問を調査することができる。

関連論文リスト

• Efficient fiber coupling of telecom single-photons from circular Bragg gratings [0.0]
  光共振器における量子ドットの3つの実験条件下でのファイバー結合性能について検討する。 先端に3Dプリント光学系を有する単モード繊維の結合効率と空間変位に対する感度を定量化する。 メカニカルに安定なファイバーカップリング源を実現するためには, 繊維キャビティの不整合に対する空間的耐性を正確に定量化する。
  論文  参考訳（メタデータ） (2025-06-02T13:31:27Z)
• Transformers from Diffusion: A Unified Framework for Neural Message Passing [79.9193447649011]
  メッセージパッシングニューラルネットワーク(MPNN)は、デファクトクラスのモデルソリューションとなっている。 本稿では,拡散の誘導バイアスとエネルギーの層的制約を統合するエネルギー制約拡散モデルを提案する。 これらの知見に基づいて、我々はTransformer (DIFFormer)と呼ばれる新しいタイプのメッセージパッシングモデルを考案した。
  論文  参考訳（メタデータ） (2024-09-13T17:54:41Z)
• Impact of polarization mode dispersion on entangled photon distribution [34.82692226532414]
  光ファイバにおける偏光モード分散(PMD)は、量子通信における量子状態の忠実性を維持する上で大きな課題となる。 本研究は、広帯域光子に対するPMD効果を低減し、高次PMD効果の影響を評価するための効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-08-03T11:29:45Z)
• Shaping Single Photons through Multimode Optical Fibers using Mechanical Perturbations [55.41644538483948]
  単一の光子の形状と絡み合った光子対間の空間的相関を制御するための全ファイバーアプローチを示す。 これらの摂動を最適化し、単一光子の空間分布や光子対の空間相関を1箇所に局在させる。
  論文  参考訳（メタデータ） (2023-06-04T07:33:39Z)
• Fibre polarization state compensation in entanglement-based quantum key distribution [62.997667081978825]
  偏光符号化を用いた量子鍵分布 (QKD) は, テレコムファイバー上での実装が困難である。 そこで本研究では, 線材上のQKDシステムにおいて, 繊維誘起変化を動的に補償する手法について述べる。
  論文  参考訳（メタデータ） (2021-07-16T00:53:48Z)
• A reusable pipeline for large-scale fiber segmentation on unidirectional fiber beds using fully convolutional neural networks [68.8204255655161]
  我々は,X線X線CTファイバーベッド内のファイバーを検出するためのオープンな計算パイプラインを提案する。 これらのサンプルの繊維を分離するために、完全畳み込みニューラルネットワークの4つの異なるアーキテクチャをテストした。 ニューラルネットワークのアプローチを半監視方式と比較すると、DiceとMatthewsの係数は92.28 pm 9.65%以上となり、最大98.42 pm 0.03 %$に達した。
  論文  参考訳（メタデータ） (2021-01-13T00:58:29Z)
• Predicting Mechanical Properties from Microstructure Images in Fiber-reinforced Polymers using Convolutional Neural Networks [8.023452876968694]
  本稿では,繊維強化ポリマー試料の2次元分割トモグラフィ画像の応力場予測のために,ScressNetから修正した完全畳み込みニューラルネットワークについて検討する。 トレーニングされたモデルは、通常のラップトップ上で1回のフォワードパスで数秒以内に予測を行うことができ、ハイパフォーマンスなコンピューティングクラスタ上で完全な有限要素シミュレーションを実行するのに92.5時間かかる。
  論文  参考訳（メタデータ） (2020-10-07T22:15:48Z)

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。