MétaCan
Menu
← Retour à la cohorte
Enregistrement W2787845270 · doi:10.1038/s41467-018-06396-7

Remote sensing of geomagnetic fields and atomic collisions in the mesosphere

2018· article· en· W2787845270 sur OpenAlexafffund
Felipe Pedreros Bustos, Domenico Bonaccini Calia, Dmitry Budker, Mauro Centrone, Joschua Hellemeier, Paul Hickson, Ronald Holzlöhner, Simon Rochester

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Subatomic Physics Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesOffice of Naval ResearchOffice of Naval Research GlobalNatural Sciences and Engineering Research Council of Canada
Mots-clésEarth's magnetic fieldPhysicsMesosphereGeophysicsLarmor precessionMagnetic fieldIonospherePrecessionComputational physicsRemote sensingGeologyAtmospheric sciencesAstronomyStratosphere

Résumé

récupéré en direct d'OpenAlex

Abstract Magnetic-field sensing has contributed to the formulation of the plate-tectonics theory, mapping of underground structures on Earth, and the study of magnetism of other planets. Filling the gap between space-based and near-Earth observations, we demonstrate a remote measurement of the geomagnetic field at an altitude of 85–100 km. The method consists of optical pumping of atomic sodium in the mesosphere with an intensity-modulated laser beam, and ground-based observation of the resultant magneto-optical resonance near the Larmor precession frequency. Here we validate this technique and measure the Larmor precession frequency of sodium and the corresponding magnetic field with an accuracy level of 0.28 mG Hz−1/2. These observations allow the characterization of atomic-collision processes in the mesosphere. Remote detection of mesospheric magnetic fields has potential applications such as mapping magnetic structures in the lithosphere, monitoring space weather, and electric currents in the ionosphere.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,328
Écart entre enseignants0,308 · 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'étudeObservationnel
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

Citations56
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetAtomic and Subatomic Physics Research→Travaux en français237 207→