Archivio Istituzionale della RicercaWe propose a machine learning-based framework to predict the fabrication uncertainty and evaluate the effective-index shift in multi-ring integrated filtering elements. Excellent results are achieved in predicting each ring’s effective-index shift.
Machine Learning Aided Prediction of Fabrication Uncertainties in Integrated Multi-Ring Filters / Tunesi, Lorenzo; Khan, Ihtesham; Masood, MUHAMMAD UMAR; Marchisio, Andrea; Ghillino, Enrico; Curri, Vittorio; Carena, Andrea; Bardella, Paolo. - ELETTRONICO. - (2023), pp. 1-2. (Intervento presentato al convegno CLEO: Science and Innovations tenutosi a San Jose, CA, United States nel 7-12 May 2023) [10.1364/CLEO_SI.2023.STh4H.2].
Machine Learning Aided Prediction of Fabrication Uncertainties in Integrated Multi-Ring Filters
Lorenzo Tunesi;Ihtesham Khan;Muhammad Umar Masood;Andrea Marchisio;Vittorio Curri;Andrea Carena;Paolo Bardella
2023
Abstract
We propose a machine learning-based framework to predict the fabrication uncertainty and evaluate the effective-index shift in multi-ring integrated filtering elements. Excellent results are achieved in predicting each ring’s effective-index shift.
| File | Dimensione | Formato | |
|---|---|---|---|
|
cleo_si-2023-sth4h.2_lor.pdf
non disponibili
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
513.46 kB
Formato
Adobe PDF
|
513.46 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
|
C_CLEO_Machine_Learning_Approach_to_Predict_Fabrication_Uncertainties_in_Multi_Ring_Integrated_Filtering_Elements_19112022.pdf
embargo fino al 12/05/2024
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
PUBBLICO - Tutti i diritti riservati
Dimensione
439.78 kB
Formato
Adobe PDF
|
439.78 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11583/2980626