MétaCan
Menu
Retour à la cohorte
Enregistrement W2804875799 · doi:10.1146/annurev-nucl-102711-094939

Penning-Trap Mass Measurements in Atomic and Nuclear Physics

2018· article· en· W2804875799 sur OpenAlexaff
J. Dilling, K. Blaum, M. Brodeur, S. Eliseev

Notice bibliographique

RevueAnnual Review of Nuclear and Particle Science · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstronomical and nuclear sciences
Établissements canadiensUniversity of British ColumbiaTRIUMF
Organismes subventionnairesnon disponible
Mots-clésPenning trapPhysicsNuclear astrophysicsAtomic massNuclear physicsNuclideIon trapElectroweak interactionMass spectrometryAtomic physicsElectronParticle physics

Résumé

récupéré en direct d'OpenAlex

Penning-trap mass spectrometry in atomic and nuclear physics has become a well-established and reliable tool for the determination of atomic masses. In combination with short-lived radioactive nuclides it was first introduced at ISOLTRAP at the Isotope Mass Separator On-Line facility (ISOLDE) at CERN. Penning traps have found new applications in coupling to other production mechanisms, such as in-flight production and separation systems. The applications in atomic and nuclear physics range from nuclear structure studies and related precision tests of theoretical approaches to description of the strong interaction to tests of the electroweak Standard Model, quantum electrodynamics and neutrino physics, and applications in nuclear astrophysics. The success of Penning-trap mass spectrometry is due to its precision and accuracy, even for low ion intensities (i.e., low production yields), as well as its very fast measurement cycle, enabling access to short-lived isotopes. The current reach in relative mass precision goes beyond δ m/ m=10−8, the half-life limit is as low as a few milliseconds, and the sensitivity is on the order of one ion per minute in the trap. We provide a comprehensive overview of the techniques and applications of Penning-trap mass spectrometry in nuclear and atomic physics.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,003
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,023
Tête enseignante GPT0,290
Écart entre enseignants0,267 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations93
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Nuclear and Particle ScienceMême sujetAstronomical and nuclear sciencesTravaux en français237 207