MétaCan
Menu
Retour à la cohorte
Enregistrement W1514377069 · doi:10.1063/1.2409119

Proton Acceleration: New Developments in Energy Increase, Focusing and Energy Selection

2006· article· en· W1514377069 sur OpenAlexaff
E. d’Humières, J. Fuchs, P. Antici, P. Audebert, M. Borghesi, E. Brambrink, C. A. Cecchetti, Malte C. Kaluza, Erik Lefebvre, V. Malka, M. Manclossi, S. Meyroneinc, P. Mora, H. Pépin, A. Pipahl, L. Romagnani, Y. Sentoku, J. Schreiber, T. Toncian, Oswald Willi

Notice bibliographique

RevueAIP conference proceedings · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesU.S. Department of Energy
Mots-clésAccelerationProtonLaserPhysicsOpticsBrightnessBeam (structure)IonPlasmaAtomic physicsEnergy (signal processing)Beam divergenceComputational physicsNuclear physicsLaser beam qualityLaser beams

Résumé

récupéré en direct d'OpenAlex

In the last few years, intense research has been conducted on laser‐accelerated ion sources and their applications. These sources have exceptional properties, i.e. high brightness and high spectral cut‐oft high directionality and laminarity, short burst duration. These proton sources open new opportunities for ion beam generation and control, and could stimulate development of compact ion accelerators for many applications. We have studied the variations of the proton acceleration characteristic time with target and laser parameters. We used these variations to correct one of the model recently developed to predict maximum energies of laser‐accelerated protons for low energy, short duration laser pulses. We have also developed an ultra‐fast laser‐triggered micro‐lens that allows tunable control of the beam divergence as well as energy selection, therefore solving two of the major problems that these proton beams were facing. We used PIC simulations to explain the focusing and energy selection mechanisms, and to study the symmetry of the expanding plasma inside the cylinder.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207