MétaCan
Menu
Retour à la cohorte
Enregistrement W2024000783 · doi:10.1117/12.502299

Hard x-ray emission from intense femtosecond laser-solid target interactions

2004· article· en· W2024000783 sur OpenAlexafffund
Liming Chen, Patrick Forget, R. Toth, S. Fourmaux, Jean-Claude Kieffer, Andrzej Król, C. C. Chamberlain, Bixue Hou, J. Nees, G. Mourou

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2004
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensUniversité du Québec
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMassachusetts Life Sciences CenterMichigan Economic Development Corporation
Mots-clésLaserFluenceEnergy conversion efficiencyFemtosecondOpticsAtomic physicsPulse durationMaterials scienceAnalytical Chemistry (journal)PhysicsOptoelectronicsChemistry

Résumé

récupéré en direct d'OpenAlex

Hard x-ray (8-100 keV) spectrum emission from plasma produced by femtosecond laser solid target interactions and Kα x-ray conversion efficiency have been studied as a function of laser intensity (1017 W/cm2 ~ 1019 W/cm2), pulse duration (70 fs ~ 400 fs), laser pulse fluence and laser wavelength (800 nm and 400 nm). The Ag Kα x-ray conversion efficiency produced by a laser pulse at 800 nm with an intensity I = 4x1018 W/cm2 can reach 2x10-5. We discuss the behavior of Kα conversion efficiency scaling laws as a function of the laser parameters. We found that the Kα x-ray conversion efficiency is more dependent on laser fluence than on pulse duration or laser pulse intensity. The conversion efficiency exhibits a similar value at I ~ 1x1018 W/cm2 when we work with a high contrast laser pulse at 400 nm or with a low contrast laser pulse at 800 nm, but in the first case it presents a higher scaling law. Consequently, the use of 400 nm laser pulses could be an effective method to optimize the Kα x-ray emission via vacuum heating mechanisms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,232 · 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

Citations1
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207