MétaCan
Menu
Retour à la cohorte
Enregistrement W2530289180 · doi:10.1088/0953-2048/29/12/125006

Modeling tunneling for the unconventional superconducting proximity effect

2016· article· en· W2530289180 sur OpenAlexafffund

Notice bibliographique

RevueSuperconductor Science and Technology · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTopological Materials and Phenomena
Établissements canadiensUniversity of Toronto
Organismes subventionnairesBrookhaven National LaboratoryNatural Sciences and Engineering Research Council of CanadaDivision of Materials ResearchUniversity of TorontoU.S. Department of EnergyNational Science Foundation
Mots-clésProximity effect (electron beam lithography)Quantum tunnellingSuperconductivityAnisotropyMAJORANASpectral line

Résumé

récupéré en direct d'OpenAlex

Recently there has been reinvigorated interest in the superconducting proximity effect, driven by predictions of the emergence of Majorana fermions. To help guide this search, we have developed a phenomenological model for the tunneling spectra in anisotropic superconductor-normal metal proximity devices. We combine successful approaches used in s-wave proximity and standard d-wave tunneling to reproduce tunneling spectra in d-wave proximity devices, and clarify the origin of various features. Different variations of the pair potential are considered, resulting from the proximity-induced superconductivity. Furthermore, the effective pair potential felt by the quasiparticles is momentum-dependent in contrast to s-wave superconductors. The probabilities of reflection and transmission are calculated by solving the Bogoliubov equations. Our results are consistent with experimental observations of the unconventional proximity effect and provide important experimental parameters such as the size and length scale of the proximity induced gap, as well as the conditions needed to observe the reduced and full superconducting gaps.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,022
Tête enseignante GPT0,265
Écart entre enseignants0,243 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSuperconductor Science and TechnologyMême sujetTopological Materials and PhenomenaTravaux en français237 207