Optimization of Processing Parameters and Development of a Radon Trapping System for the NEWS-G Dark Matter Detector
Notice bibliographique
Résumé
The direct detection for a dark matter particle is reaching increasingly lower sensitivities and the New Experiments With Spheres-Gas (NEWS-G) collaboration is one of the experiments at the forefront of this. Currently being installed at SNOLAB two kilometres underground, the Spherical Proportional Counter (SPC) used by NEWS-G is designed to detect Weakly Interacting Massive Particles (WIMPs) with a mass less than 1 GeV/c², with a corresponding cross-section of $10¯⁴¹$ cm². A calibration run using pure methane was commissioned at the Laboratoire Souterrain de Modane (LSM) using argon-37, a radioactive gas with two well-characterized decay energies (270 eV and 2.8 keV). The signals from these decay events within the volume of the detector can then be analyzed to accurately map the energy of an event to the detector response. In the presented work, I optimized several processing parameters to ensure the characteristic values from the signals are accurate. In addition, I designed and constructed a radon trapping system in the Piro Lab at the University of Alberta to find the optimal conditions and material to trap radon from detector gases for the NEWS-G experiment at SNOLAB. A closed-loop circulation system was constructed to test two radon trapping materials: Carboxen® 1000 (Sigma Aldrich) and silver zeolite produced by Extraordinary Adsorbents, a company based in Edmonton, Canada. The radon adsorption in nitrogen, argon, and an argon-methane mixture at ambient and dry ice temperatures was then measured, and the performance of each material with different combinations of the above parameters was determined and compared.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».