Enhanced laser-driven proton acceleration using nanowire targets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Laser-driven proton acceleration is a growing field of interest in the high-power laser community. One of the big challenges related to the most routinely used laser-driven ion acceleration mechanism, Target-Normal Sheath Acceleration (TNSA), is to enhance the laser-to-proton energy transfer such as to maximize the proton kinetic energy and number. A way to achieve this is using nanostructured target surfaces in the laser-matter interaction. In this paper, we show that nanowire structures can increase the maximum proton energy by a factor of two, triple the proton temperature and boost the proton numbers, in a campaign performed on the ultra-high contrast 10 TW laser at the Lund Laser Center (LLC). The optimal nanowire length, generating maximum proton energies around 6 MeV, is around 1-2 [Formula: see text]m. This nanowire length is sufficient to form well-defined highly-absorptive NW forests and short enough to minimize the energy loss of hot electrons going through the target bulk. Results are further supported by Particle-In-Cell simulations. Systematically analyzing nanowire length, diameter and gap size, we examine the underlying physical mechanisms that are provoking the enhancement of the longitudinal accelerating electric field. The parameter scan analysis shows that optimizing the spatial gap between the nanowires leads to larger enhancement than by the nanowire diameter and length, through increased electron heating.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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