MétaCan
Menu
Retour à la cohorte
Enregistrement W2163320547 · doi:10.1073/pnas.1105916108

Imaging the Kramers–Henneberger atom

2011· article· en· W2163320547 sur OpenAlexaff
Felipe Morales, Maria Richter, Serguei Patchkovskii, Olga Smirnova

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesLeibniz-GemeinschaftDeutsche Forschungsgemeinschaft
Mots-clésAtomic physicsLaserIonizationElectronFilamentationIonElectric fieldAtom (system on chip)Valence electronPhysicsValence (chemistry)PlasmaField (mathematics)SpectroscopyAtoms in moleculesOptics

Résumé

récupéré en direct d'OpenAlex

Today laser pulses with electric fields comparable to or higher than the electrostatic forces binding valence electrons in atoms and molecules have become a routine tool with applications in laser acceleration of electrons and ions, generation of short wavelength emission from plasmas and clusters, laser fusion, etc. Intense fields are also naturally created during laser filamentation in the air or due to local field enhancements in the vicinity of metal nanoparticles. One would expect that very intense fields would always lead to fast ionization of atoms or molecules. However, recently observed acceleration of neutral atoms [Eichmann et al. (2009) Nature 461:1261-1264] at the rate of 10(15) m/s(2) when exposed to very intense IR laser pulses demonstrated that substantial fraction of atoms remained stable during the pulse. Here we show that the electronic structure of these stable "laser-dressed" atoms can be directly imaged by photoelectron spectroscopy. Our findings open the way to visualizing and controlling bound electron dynamics in strong laser fields and reexamining its role in various strong-field processes, including microscopic description of high order Kerr nonlinearities and their role in laser filamentation [Béjot et al. (2010) Phys Rev Lett 104:103903].

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,280

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,301
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations92
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207