| DOI | Trouver le DOI : https://doi.org/10.1109/GFP51802.2021.9673932 |
|---|
| Auteur | Rechercher : Mokeddem, Zindine; Rechercher : Melati, Daniele; Rechercher : Gonzalez-Andrade, David; Rechercher : Duong Dinh, Thi Thuy; Rechercher : Montesinos-Ballester, Miguel; Rechercher : Cassan, Eric; Rechercher : Marris-Morini, Delphine; Rechercher : Grinberg, Yuri1; Rechercher : Cheben, Pavel2; Rechercher : Xu, Dan-Xia2; Rechercher : Schmid, Jens2; Rechercher : Vivien, Laurent; Rechercher : Velasco, Aitor V.; Rechercher : Alonso-Ramos, Carlos |
|---|
| Affiliation | - Conseil national de recherches du Canada. Technologies numériques
- Conseil national de recherches du Canada. Électronique et photonique avancées
|
|---|
| Bailleur de fonds | Rechercher : Agence Nationale de la Recherche |
|---|
| Format | Texte, Article |
|---|
| Conférence | 2021 IEEE 17th International Conference on Group IV Photonics (GFP), December 7-10, 2021, Malaga, Spain |
|---|
| Description physique | 2 p. |
|---|
| Sujet | spectrometer; Fourier-transform; deep-learning; silicon photonics |
|---|
| Résumé | Silicon photonics spectrometers have great potential for applications in medicine and hazard detection. However, silicon spectrometers are very sensitive to fabrication imperfections and environmental conditions. Here, we study the use of deep-learning algorithms to improve tolerance of Fourier-transform spectrometers against fabrication imperfections and temperature variations. |
|---|
| Date de publication | 2021-12-07 |
|---|
| Maison d’édition | IEEE |
|---|
| Dans | |
|---|
| Langue | anglais |
|---|
| Publications évaluées par des pairs | Oui |
|---|
| Exporter la notice | Exporter en format RIS |
|---|
| Signaler une correction | Signaler une correction (s'ouvre dans un nouvel onglet) |
|---|
| Identificateur de l’enregistrement | d1110875-62d8-447a-95f1-0860213515c5 |
|---|
| Enregistrement créé | 2022-05-06 |
|---|
| Enregistrement modifié | 2022-05-09 |
|---|
