MétaCan
Menu
Retour à la cohorte
Enregistrement W1978913368 · doi:10.1002/jrs.1738

Adiabatic climbing of vibrational ladders using Raman transitions with chirped pump lasers: effect of higher electronic surfaces and control of the shapes of vibrational wave packets

2007· article· en· W1978913368 sur OpenAlexaff
Deyana S. Tchitchekova, Szczepan Chelkowski, André D. Bandrauk

Notice bibliographique

RevueJournal of Raman Spectroscopy · 2007
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésWave packetAdiabatic processExcitationStimulated Raman adiabatic passageAtomic physicsPhotonLaserPopulationRaman spectroscopyPhysicsMolecular physicsOpticsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Using numerical solutions of the time‐dependent Schrödinger equation for the H 2 molecule in intense laser fields we calculate the vibrational excitation induced by the Raman chirped adiabatic process (RCAP). We show that adding several higher electronic surfaces to a simple two‐surface model improves the efficiency of the ladder‐climbing process at intensities below the adiabaticity threshold. Furthermore, we show that although using photon energies close to the one‐photon electronic transition frequency allows the use of lower pump and Stokes intensities, in general, this leads to more population transfer to the upper electronic surfaces accompanied by a loss of selectivity in the vibrational excitation on the ground‐state surface. By contrast, considerable dissociation yields can be achieved when higher energy photons are used. We also investigate the structure of time‐dependant vibrational wave packets prepared by RCAP. We find that at specific times the wave packet is very well localised at large inter‐nuclear separations at which ionisation occurs with a probability 3 orders of magnitude larger than at the equilibrium separation. Copyright © 2007 John Wiley & Sons, Ltd.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,253
Écart entre enseignants0,247 · 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'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

Citations10
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Raman SpectroscopyMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207