MétaCan
Menu
Retour à la cohorte
Enregistrement W3020879024 · doi:10.1088/1361-6587/ab8f10

Saturation of stimulated Raman backscattering due to beam plasma instability induced by trapped electrons

2020· article· en· W3020879024 sur OpenAlexaff
Yujie Wang, Q Wang, Chunyang Zheng, Z. J. Liu, Qingsong Feng, C S Liu, X. T. He

Notice bibliographique

RevuePlasma Physics and Controlled Fusion · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensUniversity of Alberta
Organismes subventionnairesScience Challenge ProjectNational Postdoctoral Program for Innovative TalentsChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésElectronPlasmaAtomic physicsInstabilityTwo-stream instabilitySaturation (graph theory)PhysicsBeam (structure)Waves in plasmasMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

Abstract A new saturation mechanism, beam plasma instability with trapped electrons resulting in saturation of stimulated Raman backscattering (SRBS), is presented. The beam plasma instability can be excited due to interaction between beam electrons and background electrons and it will produce a new mode. Here, the trapped electrons can be considered as beam electrons with velocity v p (phase velocity of the plasma wave) and density n t (density of the trapped electrons normalized by n c , n c is the critical density for the incident laser light). This new mode will induce a sinusoidal density modulation and then this modulation will produce harmonic wave with modulation wave-number period δ k to enhance this new mode. As reported previously, the density modulation can increase Landau damping of the plasma wave and decrease the resonant region where SRBS occurs. Therefore, SRBS will saturate due to beam plasma instability induced by the trapped electrons.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlasma Physics and Controlled FusionMême sujetLaser-induced spectroscopy and plasmaTravaux en français237 207