MétaCan
Menu
Retour à la cohorte
Enregistrement W2007084909 · doi:10.1103/physrevc.65.034608

Parametrizing yields of nuclear multifragmentation

2002· article· en· W2007084909 sur OpenAlexaff
Chinmay Das, S. Das Gupta, Abhijit Majumder

Notice bibliographique

RevuePhysical Review C · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueNuclear reactor physics and engineering
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSigmaThermodynamic limitPhysicsPhase transitionCritical exponentLimit (mathematics)ThermodynamicsStatistical physicsExpression (computer science)MathematicsMathematical physicsMathematical analysisQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

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 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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,236
Écart entre enseignants0,217 · 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'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

Citations8
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review CMême sujetNuclear reactor physics and engineeringTravaux en français237 207