MétaCan
Menu
Retour à la cohorte
Enregistrement W2969394932 · doi:10.1063/1.5099341

Angular alignment and fidelity of neutron phase-gratings for improved interferometer fringe visibility

2019· article· en· W2969394932 sur OpenAlexafffund
B. Heacock, Dusan Sarenac, David G. Cory, M. G. Huber, Daniel S. Hussey, Connor Kapahi, Houxun Miao, Han Wen, D. A. Pushin

Notice bibliographique

RevueAIP Advances · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNuclear Physics and Applications
Établissements canadiensCanadian Institute for Advanced ResearchPerimeter InstituteUniversity of Waterloo
Organismes subventionnairesNIST Center for Neutron ResearchNatural Sciences and Engineering Research Council of CanadaNational Institute of Standards and TechnologyU.S. Department of CommerceCanada Excellence Research Chairs, Government of CanadaU.S. Department of EnergyCanada First Research Excellence FundNational Science Foundation
Mots-clésVisibilityInterferometryOpticsPhase (matter)Astronomical interferometerPhysicsMaterials science

Résumé

récupéré en direct d'OpenAlex

The recent development of phase-grating moiré neutron interferometry promises a wide range of impactful experiments from dark-field imaging of material microstructure to precise measurements of fundamental constants. However, the contrast of 3% obtained using this moiré interferometer was well below the theoretical prediction of 30% using ideal gratings. It is suspected that non-ideal aspects of the phase-gratings was a leading contributor to this deficiency and that phase-gratings needed to be quantitatively assessed and optimized. Here we characterize neutron diffraction from phase-gratings using Bragg diffraction crystals to determine the optimal phase-grating orientations. We show well-defined diffraction peaks and explore perturbations to the diffraction peaks and the effects on interferometer contrast as a function of grating alignment. This technique promises to improve the contrast of the grating interferometers by providing in-situ aides to grating alignment.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,284
Écart entre enseignants0,277 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetNuclear Physics and ApplicationsTravaux en français237 207