MétaCan
Menu
Retour à la cohorte
Enregistrement W1564629296 · doi:10.1109/nssmic.2002.1239457

A new surface parameterization for modeling thin layers of reflector material in the DETECT2000 optical modeling program

2004· article· en· W1564629296 sur OpenAlexaff
Richard A. Thompson, F. Cayouette, J.W. LeBlanc, S. Zelakiewicz

Notice bibliographique

Revue2002 IEEE Nuclear Science Symposium Conference Record · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAttenuationOpticsReflector (photography)Transmission (telecommunications)ScatteringPhotonScintillatorAttenuation coefficientReflection (computer programming)Materials scienceAttenuation lengthComputationTransmission lossDetectorSurface (topology)Computer sciencePhysicsAlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

A new surface parameterization has been implemented in DETECT2000 that allows for the efficient representation of a thin film of reflector material with non-negligible transmission. Material is usually modeled in DETECT by specifying the optical attenuation and scatter lengths. For a material such as Teflon, commonly used as a reflector material for nuclear medicine scintillators, the scatter length can be very short. Modeling the propagation of photons in a material with a very short scattering length can be computationally intensive as there can be many scatter interactions before the photon either exits the material or is absorbed. In a detector design that makes generous use of Teflon, most of the computations can be spent simply transporting photons in the Teflon. To address this issue, a parameterized surface has been implemented which is specified not by the bulk optical scatter and attenuation lengths, but rather by a reflection and transmission coefficient. This allows computationally efficient modeling of thin film reflectors where surface properties and transmission are relevant.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

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

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 Opus0,033
Tête enseignante GPT0,284
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations6
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2002 IEEE Nuclear Science Symposium Conference RecordMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207