Notice bibliographique
Résumé
We examine single-frequency optical schemes for species-selective trapping of ultracold alkali-metal atoms. Independently addressing the elements of a binary mixture enables the creation of an optical lattice for one atomic species with little or no effect on the other. We analyze a ``tune-in'' scheme, using near-resonant detuning to create a strong potential for one specific element. A ``tune-out'' scheme is also developed, in which the trapping wavelength is chosen to lie between two strong transitions of an alkali-metal atom such that the induced dipole moment is zero for that species but is nonzero for any other. We compare these schemes by examining the trap depths and heating rates associated with both. We find that the tune-in scheme is preferable for $\mathrm{Li}\text{\ensuremath{-}}\mathrm{Na}$, $\mathrm{Li}\text{\ensuremath{-}}\mathrm{K}$, and $\mathrm{K}\text{\ensuremath{-}}\mathrm{Na}$ mixtures, while the tune-out scheme is preferable for $\mathrm{Li}\text{\ensuremath{-}}\mathrm{Cs}$, $\mathrm{K}\text{\ensuremath{-}}\mathrm{Rb}$, $\mathrm{Rb}\text{\ensuremath{-}}\mathrm{Cs}$, $\mathrm{K}\text{\ensuremath{-}}\mathrm{Cs}$, and $^{39}\mathrm{K}\text{\ensuremath{-}}^{40}\mathrm{K}$ mixtures. Several applications of species-selective optical lattices are explored, including the creation of a lattice for a single species in the presence of a phononlike background, the tuning of relative effective mass, and the isothermal increase of phase-space density.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».