MétaCan
Menu
Retour à la cohorte
Enregistrement W2890726025 · doi:10.1063/1.5018998

A new tool for (α,n) yield calculations and its implications for DEAP-3600

2018· article· en· W2890726025 sur OpenAlexaff

Notice bibliographique

RevueAIP conference proceedings · 2018
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNuclear Physics and Applications
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésNeutronPhysicsNuclear physicsContext (archaeology)Yield (engineering)Neutron detectionDelayed neutronFission product yieldNeutron cross sectionComputational physicsFissionNeutron scattering

Résumé

récupéré en direct d'OpenAlex

Neutron-induced nuclear recoils present one of the dominant backgrounds in many low-background experiments. These neutrons are largely radiogenic in origin, coming from fission and (α, n) reactions in detector components. The (α, n) neutron production rate in a material depends on its composition and the energies of the α decays inside of it. We present NeuCBOT, the Neutron Calculator Based on TALYS, a new tool for calculating the (α, n) yields and neutron energy spectra for materials exposed to a given set of α energies or α-emitting isotopes. We benchmark these calculations against measured yields and SOURCES-4C calculations. We discuss these yield calculations in the context of DEAP-3600, a Weakly Interactive Massive Particle dark matter detector at SNOLAB. Using NeuCBOT and Geant4 simulations, we predict the neutron-induced nuclear recoil background in DEAP-3600. We then present in-situ constraints on the neutron background rate in DEAP-3600, consistent with our prediction.

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)0,000
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: aucune
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

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 Opus0,039
Tête enseignante GPT0,296
Écart entre enseignants0,256 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetNuclear Physics and ApplicationsTravaux en français237 207