Parametrizing yields of nuclear multifragmentation
Notice bibliographique
Résumé
We consider a model where, for a finite disintegrating system, yields of composites can be calculated to arbitrary accuracy. An analytic answer for yields is also known in the thermodynamic limit. In the range of temperature and density considered in this work, the model has a phase transition. This phase transition is first order. The analytic expression for yields of composites, in the thermodynamic limit, does not conform to the expression $〈{n}_{a}〉{=a}^{\ensuremath{-}\ensuremath{\tau}}f({a}^{\ensuremath{\sigma}}(T\ensuremath{-}{T}_{c}))$ where the usual identification would be that ${T}_{c}$ is the critical temperature and $\ensuremath{\tau},\ensuremath{\sigma}$ are critical exponents. Nonetheless, for finite systems, we try to fit the yields with the above expression. A minimization procedure is adopted to get the parameters ${T}_{c},\ensuremath{\tau},$ and $\ensuremath{\sigma}.$ While deviations from the formula are not negligible, one might believe that the deviations are consistent with the corrections attributable to finite particle number effects and might then conclude that one has deduced at least approximately the values of critical parameters. This exercise thus points to difficulties of trying to extract critical parameters from data on nuclear disintegration. An interesting result is that the value of ${T}_{c}$ deduced from the ``best'' fit is very close to the temperature at which the first order phase transition occurs in the model. The yields calculated in this model can also be fitted quite well by a parametrization derived from a droplet model.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».