MétaCan
Menu
Retour à la cohorte
Enregistrement W2758554686 · doi:10.1029/2019ja027067

Drift‐Bounce Resonance Between Charged Particles and Ultralow Frequency Waves: Theory and Observations

2019· article· en· W2758554686 sur OpenAlexaff
Yifan Zhu, Shujie Gu, Xu‐Zhi Zhou, Qiugang Zong, Jie Ren, Xin‐Ran Sun, Ying Liu, Shuai Zhang, Quanqi Shi, R. Rankin

Notice bibliographique

RevueJournal of Geophysical Research Space Physics · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueIonosphere and magnetosphere dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPhysicsResonance (particle physics)Pitch angleCharged particleSpacecraftComputational physicsParticle (ecology)GeophysicsIonAtomic physicsGeologyAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Ultralow frequency (ULF) waves have long been known to resonate with magnetospheric charged particles through their drift and bounce motions. Most research interest has focused on the resonance with drift motion, which can accelerate charged particles at very high energies. The role of the bounce motion, especially for particles with lower energies, has attracted less attention so far. Here we start from the general theory of wave‐particle interactions to predict the characteristic, observable signatures of drift‐bounce resonance. Such signatures can be described in the particle pitch angle spectrum as a series of inclined stripes, with the inclination angle depending on the latitude of the observing spacecraft. Each stripe is also twisted at two conjugated pitch angles, suggesting significant phase shifts across resonant pitch angles. These predicted signatures are found consistent with observations from the THEMIS (Time History of Events and Macroscale Interactions during Substorms) spacecraft, and therefore provide an identification of drift‐bounce resonance together with a validated picture over the importance of particle's bounce motion in the ULF wave‐particle interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,635

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,301
Écart entre enseignants0,272 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Space PhysicsMême sujetIonosphere and magnetosphere dynamicsTravaux en français237 207