MétaCan
Menu
Retour à la cohorte
Enregistrement W3195797437 · doi:10.1109/nss/mic42677.2020.9507973

The Effect of Boron on Active Neutron Measurements: Application for the Mars Science Laboratory Dynamic Albedo of Neutrons Instrument

2020· article· en· W3195797437 sur OpenAlexaboutno aff
Suzanne N. Nowicki, Sophie Festal, S. Czarnecki, C. Hardgrove, P. J. Gasda

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNuclear Physics and Applications
Établissements canadiensnon disponible
Organismes subventionnairesLos Alamos National LaboratoryNational Nuclear Security AdministrationU.S. Department of Energy
Mots-clésNeutron temperatureNeutronNeutron detectionNeutron moderatorNeutron fluxNeutron cross sectionNeutron sourceMars Exploration ProgramMartianMartian soilNeutron generatorBoronNeutron captureNeutron probeRadiochemistryNuclear physicsMaterials scienceMartian surfacePhysicsChemistryAstrobiology

Résumé

récupéré en direct d'OpenAlex

The primary objective of the Dynamic Albedo of Neutrons (DAN) experiment on board the Mars Science Laboratory (MSL) rover Curiosity is to assess the hydrogen content as the rover traverses the Martian surface. Because hydrogen is a light element, it is an efficient moderator for neutrons. The method used to estimate the hydrogen content by the DAN instrument is to measure the thermal neutron count rate emitted from the surface of the soil using a Pulsed Neutron Generator as an activation source coupled with a thermal neutron detector. However, boron has a high cross section for thermal neutron capture and can affect the thermal neutron flux measured by the DAN instrument. Recently, the MSL ChemCam instrument has shown high concentrations of B in the veins of the Murray formation and Yellowknife Bay at concentrations of 100 to 500 ppm. We show that the number of neutrons that are captured in the Martian soil increases with increasing B, resulting in reduced count rates observed by the DAN thermal neutron detector, which can lead to an overestimate of the hydrogen content.

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 enseignants0,399
Score d'incertitude au seuil0,219

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 Opus0,010
Tête enseignante GPT0,261
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNuclear Physics and ApplicationsTravaux en français237 207