MétaCan
Menu
Retour à la cohorte
Enregistrement W3209995696 · doi:10.1088/1748-0221/17/01/c01030

Nucleation efficiency of nuclear recoils in bubble chambers

2022· article· en· W3209995696 sur OpenAlexaff
Daniel Durnford, M.-C. Piro

Notice bibliographique

RevueJournal of Instrumentation · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDark Matter and Cosmic Phenomena
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCalibrationPhysicsBubble chamberBubbleNuclear physicsMonte Carlo methodTracking (education)Nuclear engineeringNeutronXenonDark matterNucleationComputational physicsMechanicsParticle physicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract Bubble chambers using liquid xenon (and liquid argon) have been operated (resp. planned) by the Scintillating Bubble Chamber (SBC) collaboration for GeV-scale dark matter searches and CE ν NS from reactors. This will require a robust calibration program of the nucleation efficiency of low-energy nuclear recoils in these target media. Such a program has been carried out by the PICO collaboration, which aims to directly detect dark matter using C 3 F 8 bubble chambers. Neutron calibration data from mono-energetic neutron beam and Am-Be source has been collected and analyzed, leading to a global fit of a generic nucleation efficiency model for carbon and fluorine recoils, at thermodynamic thresholds of 2.45 and 3.29 keV. Fitting the many-dimensional model to the data (34 free parameters) is a non-trivial computational challenge, addressed with a custom Markov Chain Monte Carlo approach, which will be presented. Parametric MC studies undertaken to validate this methodology are also discussed. This fit paradigm demonstrated for the PICO calibration will be applied to existing and future scintillating bubble chamber calibration data.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,576

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of InstrumentationMême sujetDark Matter and Cosmic PhenomenaTravaux en français237 207