MétaCan
Menu
Retour à la cohorte
Enregistrement W2298098565 · doi:10.1017/hpl.2016.7

Spectroscopic analysis of high electric field enhanced ionization in laser filaments in air for corona guiding

2016· article· en· W2298098565 sur OpenAlexaff
Yingxia Wei, Yaoxiang Liu, Tie-Jun Wang, Na Chen, Jingjing Ju, Liu Y, Haiyi Sun, Cheng Wang, Jiansheng Liu, Haihe Lu, See Leang Chin, Ruxin Li

Notice bibliographique

RevueHigh Power Laser Science and Engineering · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensUniversité LavalInstitut National d'Optique
Organismes subventionnairesState Key Laboratory of High Field Laser PhysicsChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésFilamentationElectric fieldCorona dischargeMaterials scienceIonizationLaserLaser-induced fluorescenceProtein filamentFemtosecondPlasmaAtomic physicsAnalytical Chemistry (journal)OpticsVoltageChemistryIonPhysics

Résumé

récupéré en direct d'OpenAlex

We report on a systematic experimental study on the fluorescence spectra produced from a femtosecond laser filament in air under a high electric field. The electric field alone was strong enough to create corona discharge (CD). Fluorescence spectra from neutral and ionic air molecules were measured and compared with pure high-voltage CD and pure laser filamentation (FIL). Among them, high electric field assisted laser FIL produced nitrogen fluorescence more efficiently than either pure CD or pure FIL processes. The nonlinear enhancement of fluorescence from the interaction of the laser filament and corona discharging electric field resulted in a more efficient ionization along the laser filament zone, which was confirmed by the spectroscopic measurement of both ionization-induced fluorescence and plasma-scattered 800 nm laser pulses. This is believed to be the key precursor process for filament-guided discharge.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · 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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigh Power Laser Science and EngineeringMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207