MétaCan
Menu
Retour à la cohorte
Enregistrement W2043289865 · doi:10.1109/animma.2011.6172947

The suitability of large area drift chambers as the technology choice for the cosmic ray inspection and passive tomography (CRIPT) project

2011· article· en· W2043289865 sur OpenAlexaffabout
V. Anghel, J.C. Armitage, J. Botte, K. Boudjemline, D. Bryman, J. F. Bueno, E. Charles, T. Cousins, A. Erlandson, G. Gallant, C. Jewett, G. Jonkmans, Z. Liu, S. Noel, F. G. Oakham, Trevor J. Stocki, M. Thompson, D. Waller

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle Detector Development and Performance
Établissements canadiensDefence Research and Development CanadaHealth CanadaAdvanced Applied Physics SolutionsCarleton UniversityAtomic Energy (Canada)Public Safety CanadaCanadian Nuclear Laboratories
Organismes subventionnairesLos Alamos National LaboratoryHigh Energy Physics
Mots-clésCosmic rayDetectorCover (algebra)Scale (ratio)Point (geometry)Environmental scienceFull scaleComputer scienceNuclear materialSystems engineeringEngineeringPhysicsElectrical engineeringMechanical engineeringNuclear physicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The CRIPT project brings together several Canadian institutions, concerned with the detection of Special Nuclear Materials (SNM), addressing a requirement at ports-of-entry for detection of SNM in the many thousands of containers that flow into and out of Canada every day, while at the same time providing a way of monitoring the contents of nuclear waste storage containers, for waste management and non-proliferation reasons. The scale of these applications is large - typically tens of cubic metres, requiring detectors that can cover a large area at a minimum cost. The CRIPT project considered drift chambers adapted from high energy physics experience, as one of its technology choices. We report here on the performance of a full scale prototype, which covers an area of 2.4m × 1.2m with only 6 readout channels, and provides a 2D data point with accuracies (in x and z) of around 2 mm.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,255
Écart entre enseignants0,237 · 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

Citations2
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetParticle Detector Development and PerformanceTravaux en français237 207