MétaCan
Menu
Retour à la cohorte
Enregistrement W2516792591 · doi:10.1109/plasma.2016.7534210

Generation of intense magnetic fields using orbital angular momentum modes of light in plasmas

2016· article· en· W2516792591 sur OpenAlexaff
Andrew Longman, Fatema Liza, R. Fedosejevs

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPhysicsAngular momentumMagnetic fieldZeeman effectFaraday effectPlasmaOpticsComputational physicsLaserAtomic physicsClassical mechanicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Summary form only given. Circularly polarized light has been successfully used to generate high strength axial magnetic fields in plasmas using high intensity laser pulses. These strong magnetic fields have been able to reach magnitudes approaching 1000 Tesla [1]. High strength magnetic fields have potential uses for guiding electron beams onto targets, such as for fast ignition of laser compressed fusion targets. Recent interest in orbital angular momentum (OAM) modes has shown that even linearly polarized light can potentially give rise to axial magnetic fields [2,3]. Laguerre-Gaussian (LG) modes carry both spin and OAM, generated by the rotating wave vector as opposed to that of a plane wave which contains only a spin component. In this work, the mathematics, geometry and simulation of the modes are discussed together with approaches to generating these OAM modes without the use of a spatial light modulator (SLM). Currently an experiment is being prepared to create such OAM modes using phase plates, while measurements of the magnetic field strengths produced will be measured using Zeeman splitting of bound-bound transitions of ion species in the plasma. Imaging the fields using inverse Faraday rotation measurements will also be investigated. The generation of such fields and the initial proposed measurements will be discussed.

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 enseignants0,004
Score d'incertitude au seuil0,012

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207