XiaoMi-AI文件搜索系统
World File Search System相位调制
时间分辨 Hanbury Brown–Twiss 干涉测量法...
双光子频率梳 (BFC) 是用于大规模和高维量子信息和网络系统的有前途的量子源。在这种情况下，单个频率箱的光谱纯度对于实现量子网络协议（如隐形传态和纠缠交换）至关重要。测量组成 BFC 的未预告信号或闲置光子的时间自相关函数是表征其光谱纯度并进而验证双光子状态对网络协议的实用性的关键工具。然而，通过实验可获得的测量 BFC 相关函数的精度通常受到探测器抖动的严重限制。结果，相关函数中的精细时间特征（不仅在量子信息中具有实用价值，而且在量子光学研究中也具有根本意义）丢失了。我们提出了一种通过电光相位调制来规避这一挑战的方案，通过实验证明了集成 40.5 GHz Si 3 N 4 微环产生的 BFC 的时间分辨 Hanbury Brown-Twiss 特性，最高可达 3 × 3 维二四分体希尔伯特空间。通过使电光驱动频率从梳状的自由光谱范围略微失谐，我们的方法利用 Vernier 原理来放大时间特征，否则这些特征会被探测器抖动平均掉。我们在连续波和脉冲泵浦模式下展示了我们的方法，发现与理论高度一致。我们的方法不仅揭示了贡献频率箱的集体统计数据，还揭示了它们的时间形状 - 标准全积分自相关测量中丢失的特征。
采用 45 nm SOI CMOS 的多模 60 GHz 雷达发射机 SoC
摘要 — 本文介绍了一种毫米波多模式雷达发射机 IC 的架构，该架构支持三种主要雷达波形：1) 连续波 (CW/FMCW)；2) 脉冲；3) 相位调制连续波 (PMCW)，全部来自单个前端。该 IC 采用 45 纳米 CMOS 绝缘硅片 (SOI) 工艺实现，可在 60 GHz 频段运行，集成了宽带三倍频器、两级前置放大器、两个功率混频器和混合信号基带波形生成电路。通过配置功率混频器和相关波形基带电路，可实现多种模式下的发射机雷达运行。这种方法的一个重要优势是，总信号带宽（雷达的一个关键性能指标）仅受脉冲生成中 RF 输出节点的限制。还提出了一种基于电流复用拓扑的新型宽带三倍频器设计技术，用于 LO 生成，输出分数带宽 > 59%。 CW 模式下完整 TX IC 的晶圆上测量结果显示，54 至 67 GHz 的平均输出功率为 12.8 dBm，峰值功率为 14.7 dBm，谐波抑制比 > 27 dB。脉冲模式下的测量显示可编程脉冲宽度为 20 至 140 ps，相当于 > 40 GHz 的雷达信号带宽。本例还演示了 PMCW 模式操作，使用 10 Gb/s PRBS 调制雷达信号。该 IC 功耗为 0.51 W，占用 2.3 × 0.85 mm2 的芯片面积（不包括焊盘）。
蓝斑去甲肾上腺素能神经元与前额叶皮质和海马亚慢节律锁相，与行为事件同步
蓝斑 (LC) 是去甲肾上腺素能投射到前脑的主要来源，在前额叶皮层中，它与决策和执行功能有关。睡眠期间，LC 神经元与皮层慢波振荡相位锁定。尽管人们对这种慢节奏感兴趣，但由于它们与行为的时间尺度相对应，因此在清醒状态下很少报告这种慢节奏。因此，我们研究了在执行注意力转移任务的清醒大鼠中，LC 神经元与超慢节奏的同步性。前额叶皮层和海马中的局部场电位 (LFP) 振荡周期约为 0.4 Hz，与关键迷宫位置的任务事件相位锁定。事实上，超慢节奏的连续周期显示出不同的波长，因此这些不是周期性振荡。同时记录的前额叶皮层和海马中的超慢节奏也显示出不同的周期持续时间。这里记录的大多数 LC 神经元（包括光遗传学识别的去甲肾上腺素能神经元）都与这些超慢节律相位锁定，LFP 探针上记录的海马和前额叶单元也是如此。超慢振荡还对伽马振幅进行相位调制，将这些行为时间尺度上的节律与协调神经元同步的节律联系起来。LC 神经元与超慢节律协同释放的去甲肾上腺素将有助于同步或重置这些大脑网络，从而实现行为适应。
RIS 辅助 6G V2X 系统中集成传感和通信的深度强化学习
摘要 — 集成传感和通信 (ISAC) 技术的最新进展为解决下一代无线通信网络 (6G) 车对万物 (V2X) 中的通信质量和高分辨率定位要求带来了新的可能性。同时为车辆目标的智能服务提供高精度定位和高通信容量 (CC) 具有挑战性。在本文中，我们提出了一种可重构智能表面 (RIS) 辅助的 6G V2X 系统，以在满足基本通信要求的情况下实现车辆目标的高精度定位。我们提供了车辆目标的 CC 和 3-D 费舍尔信息矩阵 (FIM) 公式。我们展示了反射器单元中的相位调制对联合定位精度和 CC 性能的直接影响。同时，我们设计了一个灵活的深度确定性策略梯度 (FL-DDPG) 算法网络，采用 ϵ -贪婪策略来解决高维非凸优化问题，在满足各种 CC 要求的同时实现最小定位误差。仿真结果表明，FL-DDPG算法将定位精度提升了至少89%，将车辆目标的到达率提升了近3倍，优于传统数学方法。与经典的深度强化学习方法相比，FL-DDPG在满足通信要求的前提下获得了更好的定位精度。当面对不完美信道时，FL-DDPG能够有效解决ISAC系统中的信道估计误差问题。
印度理工学院布巴内斯瓦尔理工硕士 (PED) ...
线性稳压器的基本结构、优点和缺点；基本 DC-DC 转换器（降压、升压、降压-升压）的稳态分析；衍生 DC-DC（Cuk、SEPIC、二次）转换器的稳态分析。变压器隔离 DC-DC 转换器（正向、反激、推挽、桥式）的稳态分析；开关模式稳压器规格、框图、建模方法、假设和近似值。CCM 和 DCM 模式下硬开关转换器的动态模型和传递函数。稳压器设计示例：电流编程转换器、框图、稳定性、建模和传递函数。单相 PFC 电路。谐振转换器，软开关原理：ZVS、ZCS、ZVZCS 谐振负载转换器：变频串联和并联谐振转换器（谐振开关转换器（准谐振）：半波和全波操作和控制。谐振过渡相位调制转换器，降低 VA 额定值，固定频率操作以及设备和变压器非理想性的有利用途；软开关双向 DC-DC 转换器（双有源桥）：在降压模式和升压模式下进行软开关，带或不带有源钳位 PWM 转换器（带辅助开关）、ZVT/ZCT PWM 转换器：带辅助开关的隔离和非隔离拓扑；辅助谐振换向极逆变器：用于逆变器的 ZVT 和 ZCT 概念；谐振直流链路逆变器：通过辅助开关强制振荡直流链路电压。先决条件：无
二维架构中的高相干性 Kerr-Cat 量子比特
Kerr-cat 量子比特是一种玻色子量子比特，其中多光子薛定谔猫态通过向具有 Kerr 非线性的振荡器施加双光子驱动来稳定。随着猫尺寸的增加，比特翻转率受到抑制，这使得该量子比特成为实现针对噪声偏置量子比特量身定制的量子纠错码的有希望的候选者。然而，实现稳定和控制该量子比特所必需的强光物质相互作用传统上需要强大的微波驱动器，这会加热量子比特并降低其性能。相反，增加与驱动端口的耦合消除了对强驱动器的需求，但代价是较大的 Purcell 衰减。通过在芯片上集成有效的带阻滤波器，我们克服了这种权衡，并在具有高相干性的可扩展二维超导电路中实现了 Kerr-cat 量子比特。该滤波器在量子比特频率下提供 30 dB 的隔离度，在稳定和读出所需的频率下衰减可忽略不计。我们通过实验证明了具有八个光子的猫的量子非破坏读出保真度为 99.6%。此外，为了对该量子比特进行高保真通用控制，我们将快速 Rabi 振荡与 X ð π = 2 Þ 门的新演示相结合，通过对稳定驱动器进行相位调制。最后，检查了该架构中的寿命与振荡器中多达十个光子的猫大小的关系，实现了高于 1 毫秒的位翻转时间，并且相位翻转率仅呈线性增加，这与电路的理论分析非常一致。我们的量子比特有望成为占用空间小的容错量子处理器的构建块。
支持超表面的增强现实显示器：综述
摘要：增强现实（AR）显示将虚拟图像叠加在周围场景上，在视觉上融合了物理世界和数字世界，为人机交互开辟了新视野。AR显示被认为是下一代显示技术之一，引起了学术界和工业界的极大关注。当前的AR显示系统基于各种折射、反射和衍射光学元件的组合，例如透镜、棱镜、镜子和光栅。受底层物理机制的限制，这些传统元件仅提供有限的光场调制能力，并且存在体积大、色散大等问题，导致组成的AR显示系统尺寸大、色差严重、视场窄。近年来，一种新型光学元件——超表面的出现，它是亚波长电磁结构的平面阵列，具有超紧凑的占地面积和灵活的光场调制能力，被广泛认为是克服当前AR显示器所面临的局限性的有效工具。本文旨在全面回顾超表面增强现实显示技术的最新发展。我们首先让读者熟悉增强现实显示的基本原理，包括其基本工作原理、现有的基于传统光学的解决方案以及相关的优缺点。然后，我们介绍光学超表面的概念，强调典型的操作机制和代表性的相位调制方法。我们详细介绍了三种超表面设备，即超透镜、超耦合器和超全息图，它们为不同形式的增强现实显示提供了支持。详细解释了它们的物理原理、设备设计和相关增强现实显示的性能改进。最后，我们讨论了超表面光学在增强现实显示应用中面临的现有挑战，并对未来的研究工作提出了展望。
QD-SOA的性能比较，QW-SOA，散装...
1。介绍解决对短期范围内域内和纳特纳德式容量的需求不断增长，具有较高敏感性和波长施用多路复用（WDM）的连贯收发器被视为增加总体容量并达到总体能力的关键候选者[1，2]。O波段传输的距离和接收灵敏度受到更高的光纤衰减因子的限制，而WDM系统会引入更多的被动损失，例如多路复用器。使用O波段中的光放大器允许更长的触手可及，并使高通道计数配置可部署[3]。但是，在O波段中，尚不清楚放大技术的选择，尤其是在连贯的传输领域内。半导体光放大器（SOA）已经被探索以进行强度调制和直接检测（IM/DD）系统，作为在接收器端提供足够信号功率的一种方式[4]。然而，已知大量SOA表现出高噪声图并产生非线性失真，这阻碍了它们用于光学信号扩增的使用。此外，SOA通常会诱发信号chirp，从而使连贯的信号更加降低。量子点（QD）技术的进步允许与量子孔（QW）和散装对应物相比，QD SOA会产生较低的失真和chirp [5]。这很重要，因为SOA是O波段数据中心间接连接空间的良好候选者，因为它们的占地面积较小，功耗较小，而较小的功耗比掺杂的纤维纤维放大器（PDFA），并且最重要的是，它们可以集成到光子集成电路中（PIC）。2。尽管如此，不同SOA技术提供的总体性能和非线性增益动力学尚未进行测试和比较，并在IM/DD和相干调制的情况下，以建立下一代图片所需的高波特速率与纤维放大器进行比较。这项经验研究对于简化了一定的系统拓扑（调制格式，波特率等）的放大器选择很重要。因此，在这一贡献中，我们首先考虑了QD，QW和BOLK SOA的比较，即考虑两个关键的表现参数，这些参数会影响波形振幅和相位，即增加恢复时间（GRT）和线宽增强因子（亨利或α -Factor）。接下来，重要的是，我们通过研究依赖于这种放大器和PDFA的IM/DD和相干系统的BER性能，将分析扩展到O波段的高速系统领域。我们在第3节中通过实验证明，QD-SOA以高波德速率和IM/DD的PDFA和其他SOA的表现高，并且能够扩大多-TBPS WDM系统。SOA在本节中的表征，我们比较了具有相似属性的散装和QW-Soas（Inphenix ip- sad1301）以及来自Innolume的QD-SOA中的一些相关特征。主要结果总结在图中1 a）。它们与文献得出的“典型”值相辅相成。公平的比较需要从饱和度中运行所有SOA。否则，较低的饱和功率SOA将遭受添加的非线性失真。图相应的饱和功率如图1 b）描绘了该参数，该参数是（CW）输入功率在SOA中的函数。1 a）（第一列）。QD-SOA表现出较高的输入饱和功率（3dB增益降低），P坐在。所有的肥皂都在其最大增益点偏见。测量α因子对于IM/DD系统中CHIRP诱导的脉冲扩大以及相干系统中不需要的相位调制诱导的星座变形很重要。 SOA的此参数以简单的方式将活动层折射率的变化与载体密度变化响应材料增益的变化有关。 因此，对于传输应用，α因子的低值是理想的。 图的第3列 1 a）显示了所有SOA的测得的α因子。 除了散装SOA（显示出比预测的α因子低的SOA）之外，它们落在预期范围内，如第2列（摘自文献）所示。 QD-SOA展示测量α因子对于IM/DD系统中CHIRP诱导的脉冲扩大以及相干系统中不需要的相位调制诱导的星座变形很重要。SOA的此参数以简单的方式将活动层折射率的变化与载体密度变化响应材料增益的变化有关。因此，对于传输应用，α因子的低值是理想的。图1 a）显示了所有SOA的测得的α因子。除了散装SOA（显示出比预测的α因子低的SOA）之外，它们落在预期范围内，如第2列（摘自文献）所示。QD-SOA展示
IEEE ICCET 2025
征文 – IEEE ICCET 2025 主题：下一代多址网络的多维调制过去十年见证了数据吞吐量和连接节点数量的大幅增加，最近的研究也预示了下一代多址网络的这些增长。这些巨大的增长无疑将导致对频谱效率和能源效率日益严格的要求。为了满足这两个要求，多维调制，例如索引调制、基于媒体的调制、基于RIS/反射调制、OTFS和子载波数调制，近年来引起了研究人员的关注。与传统的幅度相位调制方案不同，稀疏调制除了经典的幅度相位星座图之外，还采用了一个或多个调制维度，从而形成更高维的调制方案，这在适当的系统配置下大大提高了频谱效率。通过多维调制，只有一部分媒体资源或功能块会被激活，以形成独特的激活模式。因此，除了由数据星座符号调制的比特流之外，激活模式本身还可用于调制额外的比特流。作为一个处于起步阶段的范例，仍有大量开放的研究问题等待解决，进一步的研究活动对于最终推动稀疏调制进入实际实施阶段至关重要。除了理论研究外，还需要解决实际实施的问题。鉴于上述将多维调制应用于 6G 通信的优势以及剩余的研究问题，本专题旨在汇集来自不同背景的学术界和工业界的顶尖研究人员，以吸引原创和高质量的出版物，解决与多维调制相关的理论和实践问题。鼓励在会议、研讨会或研讨会论文集上发表的论文的扩展版本供考虑。感兴趣的主题我们欢迎涉及以下领域的投稿，但不限于此： 人工智能和学习技术辅助多维调制 大规模 MIMO 和可重构智能表面 (RIS) 辅助多维调制 毫米波中的多维调制、太赫兹和光无线通信 水下光/声通信的多维调制 距离感知和空间频率相关的多维调制 高移动性的多维调制 多维调制的物理安全和保密相关问题 多用户和协作中继网络中的多维调制 基于多维调制的通信系统的性能分析
在误差减少回路中使用神经网络的准强化学习对 100 个激光束阵列进行实验相位控制
近来，需要高平均功率激光束的应用数量急剧增加，涉及大型项目，如空间清洁 [1]、航天器推进 [2]、粒子加速 [3]，以及工业过程 [4] 或防御系统 [5]。激光光束组合是达到极高功率水平的最常用方法之一，特别是相干光束组合 (CBC) 技术 [6]。它们旨在对放大器网络传输的平铺激光束阵列的发射进行相位锁定，以产生高亮度的合成光束。由于实际激光系统（尤其是光纤激光系统）中阵列中光束之间的相位关系会随时间演变，因此这些技术必须通过伺服环路实时校正合成平面波的相位偏差。近年来，CBC 技术得到了广泛发展，探索了调整合成离散波前中各个相位的不同方法。它们可以分为两大类。在第一类中，测量阵列中光束的相位关系，然后进行校正 [7]。在第二种方法中，实际波前和期望波前之间的差异通过迭代过程得到补偿 [8]。在后一种情况下，优化算法驱动反馈回路，分析所有光束之间干涉的阵列相位状态的更多全局数据 [9,10]。这些技术通常更易于实施，所需电子设备更少，但需要更复杂的数值处理，其中一些技术在处理大量光束时速度会降低。最后一个问题与反馈回路中达到预期相位图所需的迭代次数有关，该迭代次数会随着要控制的相位数的增加而迅速增加。最近，人们研究了神经网络 (NN) 和机器学习，以期找到一种可能更简单、更有效的方法来实现相干光束组合。已发表的文献 [11] 中涉及的一种方案依赖于卷积神经网络 (VGG) 的直接相位恢复，然后一步完成相位校正，例如在自适应光学 NN 的开创性工作 [12]。 NN 用于将光束阵列干涉图样的强度（在透镜焦点处形成的远场或焦点外的图像、分束器后面的功率等）直接映射到阵列中的相位分布中。恢复初始相位图后，可以直接应用相位调制将相位设置为所需值。[11] 中报告的模拟表明，当阵列从 7 条光束增加到 19 条光束时，基于 CNN 的相位控制的精度会下降。这一限制在波前传感领域也得到了强调，因此 NN 通常仅用作初始化优化程序的初步步骤 [13]。另一种可能的方案是强化