MétaCan
Menu
Retour à la cohorte
Enregistrement W3048394765 · doi:10.3390/s20164510

Atmospheric Neutron Monitoring through Optical Fiber-Based Sensing

2020· letter· en· W3048394765 sur OpenAlexaffabout
Sylvain Girard, Adriana Morana, Cornelia Hoehr, M. Trinczek, Jeoffray Vidalot, Philippe Paillet, C. Bélanger-Champagne, Julien Mekki, N. Balcon, Gaetano Li Vecchi, Cosimo Campanella, Damien Lambert, Emmanuel Marin, A. Boukenter, Y. Ouerdane, E. W. Blackmore

Notice bibliographique

RevueSensors · 2020
Typeletter
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensTRIUMF
Organismes subventionnairesnon disponible
Mots-clésOptical fiberRemote sensingFiberMaterials scienceEnvironmental scienceOptoelectronicsOpticsComputer sciencePhysicsGeologyComposite material

Résumé

récupéré en direct d'OpenAlex

The potential of fiber-based sensors to monitor the fluence of atmospheric neutrons is evaluated through accelerated tests at the TRIUMF Neutron Facility (TNF) (BC, Canada), offering a flux approximatively 109 higher than the reference spectrum observed under standard conditions in New York City, USA. The radiation-induced attenuation (RIA) at 1625 nm of a phosphorus-doped radiation sensitive optical fiber is shown to linearly increase with neutron fluence, allowing an in situ and easy monitoring of the neutron flux and fluence at this facility. Furthermore, our experiments show that the fiber response remains sensitive to the ionization processes, at least up to a fluence of 7.1 × 1011 n cm−², as its radiation sensitivity coefficient (~3.36 dB km−1 Gy−1) under neutron exposure remains very similar to the one measured under X-rays (~3.8 dB km−1 Gy−1) at the same wavelength. The presented results open the way to the development of a point-like or even a distributed dosimeter for natural or man-made neutron-rich environments. The feasibility to measure the dose caused by the neutron exposure during stratospheric balloon experiments, or during outer space missions, is presented as a case study of a potential future application.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil1,000

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 recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,224 · 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.

Devis d'étudeSans objet
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

Citations22
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207