Application of CR-39 detector in neutron detection and dosimetry
Notice bibliographique
Résumé
1. a), b) CR-39 241 Am, 1000. CR-39 12 h 6.5 M NaOH 62C. CR-39 , . c) 200. d) 1000. CR-39 . , [Mosier-Boss , 2009]. 2. 3D 1.18 MeV : 1.0, 2.5, 3.5 3.75 h, [Flix-Bautista , 2013]. 3. Feynman- , W . 4. Am-Be 5. 6. . 7. , . ICRU 51 (1993) ICR 60 (1991) 8. , R w , . ICRP 60 ICRP 103. 9. , [El-Sersy , 2004]. 10. -, [El-Sersy , 2004]. 11. CR-39 , [Khan , 2001]. 12. CR-39 , [Khan , 2001]. 13. , [El-Sersy, 2010]. 14. CR-39 10 m, [El-Sersy, 2010]. 15. Am-Be , [Castillo , 2013] 16. . V t . 17. . I , , R , V b . (1) , (2 3) , , (4) , [Nikezic Yu, 2004]. 18. Somogyi Szalay (1973). 19. (a) V t : (1) V t = const; (2) V t ; (3) V t , , ( ). (b) (1), (2) (3), . 20. V CR-39 . 21. , [Nikezic Yu, 2004]. 22. . 23. . 24. . 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. CR-39 36. ) . (0,0) . B) (0,0). 37. ) . . B) . . 38. . . ( ) (0,0) xOy P R. R'=MP=R-(x+yy'). 39. . O. , P . O . 40. . ) (0,0), L start = 0. B) (0,0) L start . 41. Neutron.f90. 42. . . 43. [Milenkovic , 2010]. 44. CR-39 . 45. CR-39 46. CR-39 47. CR-39 48. 49. CR-39 TRACK_WALL.F90 50. CR-39 TRACK_WALL.F90 51. CR-39 TRACK_WALL.F90 52. CR-39 TRACK_WALL.F90 53. CR-39 10 m 54. CR-39 Am-Be . 55. , En: a) En = 1 MeV, b) En = 2 MeV, c) En = 3 MeV, d) En = 4 MeV e) En = 5 MeV. 56. . DINEUTRON, Neutron_CR-39.F90
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».