MétaCan
Menu
Retour à la cohorte
Enregistrement W2805103908 · doi:10.1103/physreva.98.023611

Atom-optics knife edge: Measuring narrow momentum distributions

2018· article· en· W2805103908 sur OpenAlexafffund
Ramón Ramos, David Spierings, Shreyas Potnis, Aephraim M. Steinberg

Notice bibliographique

RevuePhysical review. A/Physical review, A · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueCold Atom Physics and Bose-Einstein Condensates
Établissements canadiensCanadian Institute for Advanced ResearchUniversity of Toronto
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y TecnologíaCanadian Institute for Advanced ResearchJohn E. Fetzer Memorial Trust
Mots-clésMomentum (technical analysis)PhysicsEnhanced Data Rates for GSM EvolutionAtom (system on chip)InterferometryOpticsUltracold atomMeasure (data warehouse)Atomic physicsAngular momentumAtom interferometerQuantum tunnellingComputational physicsResolution (logic)Astronomical interferometerCondensed matter physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

By employing the equivalent of a knife-edge measurement for matter waves, we are able to characterize ultralow-momentum widths. We measure a momentum width corresponding to an effective temperature of $0.9\phantom{\rule{0.28em}{0ex}}\ifmmode\pm\else\textpm\fi{}\phantom{\rule{0.28em}{0ex}}0.2$ nK, limited only by our cooling performance. To achieve similar resolution using standard methods would require hundreds of milliseconds of expansion or Bragg beams with tens of Hz frequency stability. Furthermore, we show evidence of tunneling in a one-dimensional system when the ``knife-edge'' barrier is spatially thin. This method is a useful tool for atomic interferometry and for other areas in cold-atom physics where a robust and precise technique for characterizing the momentum distribution is crucial.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,023
Tête enseignante GPT0,340
Écart entre enseignants0,317 · 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

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical review. A/Physical review, AMême sujetCold Atom Physics and Bose-Einstein CondensatesTravaux en français237 207