MétaCan
Menu
Retour à la cohorte
Enregistrement W3175860080 · doi:10.17277/jamt.2021.02.pp.087-090

Generation of high-intensity ultra-short optical pulses: 2018 Nobel Prize Winners in Physics Gerard Mourou and Donna Strickland

2021· article· en· W3175860080 sur OpenAlexaboutno aff
Vyacheslav M. Tyutyunnik

Notice bibliographique

RevueImage Journal of Advanced Materials and Technologies · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChirped pulse amplificationLaserPulse (music)PhysicsOpticsLaser scienceEngineering physicsUltrashort pulse

Résumé

récupéré en direct d'OpenAlex

In the early 1980s, French physicist G. Mourou and his Canadian collaborator D. Strickland solved the problem of power drop by dispersing in time and space the processes of amplification and compression: a method of obtaining super-powerful chirped laser pulses (CPA – chirped pulse amplification). The paper presents brief biographical references to Mourou and Strickland. The 2018 Nobel Prize in Physics was awarded “for groundbreaking inventions in the field of laser physics”: Artur Isidorovich Ashkin (Ashkinazi, born 02.09.1922, USA), half of the prize “for the optical tweezers and their application to biological systems”; Gerard Albert Mourou and Donna Theo Strickland (became the third woman to be awarded the Nobel Prize in Physics) (quarterly premium) “for their method of generating high-intensity, ultra-short optical pulses”. Since that time all lasers have been built on a new principle: after the amplifiers place a compressor from diffraction bars. Instead of simply amplifying the pulse, it is first spread out on spectral components spread over time, then they are amplified separately, then again assembled into a single pulse. At each point in time, only a fraction of the pulse is amplified, not the entire pulse, allowing for a much higher peak intensity of laser light flow.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,357

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 Opus0,017
Tête enseignante GPT0,268
Écart entre enseignants0,251 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImage Journal of Advanced Materials and TechnologiesMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207