MétaCan
Menu
Retour à la cohorte
Enregistrement W2407823104 · doi:10.1088/1742-6596/619/1/012037

Twenty Years of Laser Cooling of Solids

2015· article· en· W2407823104 sur OpenAlexaff
Galina Nemova, Raman Kashyap

Notice bibliographique

RevueJournal of Physics Conference Series · 2015
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOptical properties and cooling technologies in crystalline materials
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésCryocoolerLaserPhoton upconversionLaser coolingOptoelectronicsMaterials scienceRefrigerationSolid-state lightingSemiconductorAbsorption (acoustics)DiodeOpticsPhotonLight-emitting diodePhysicsDoping

Résumé

récupéré en direct d'OpenAlex

Laser induced cooling of solids or optical refrigeration is an area of optical science investigating interaction of light with condensed matter. This addresses a very important practical issue: design and construction all optical solid-state cryocoolers, which are compact devices, free from mechanical vibrations, moving parts, or fluids. They are based on reliable diode pump technology and in the most part free from electromagnetic interference in the cooled area. The optical cryocooler has a broad range of applications such as in the development of biomedical sensing, magnetometers for geophysical sensors and other sensors, satellite instrumentations where compactness and the lack of vibration are key parameters. The operation of these devices is based on anti-Stokes fluorescence also known as luminescence upconversion , in which light quanta in the red tail of the absorption spectrum are absorbed in a material from a pump laser and by adding thermal energy, blue-shifted photons are spontaneously emitted. Laser cooling of solids can be realized in rare-earth doped low phonon energy glasses and crystals as well as in direct band gap semiconductors. Both of these areas are very interesting and important and are discussed in this article.

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)0,003
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,042
Tête enseignante GPT0,267
Écart entre enseignants0,224 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetOptical properties and cooling technologies in crystalline materialsTravaux en français237 207