MétaCan
Menu
Retour à la cohorte
Enregistrement W4200015269 · doi:10.3390/instruments5040038

Towards High-Repetition-Rate Fast Neutron Sources Using Novel Enabling Technologies

2021· article· en· W4200015269 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInstruments · 2021
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFusion Energy SciencesNational Nuclear Security AdministrationNational Science Foundation
Mots-clésNeutronBerylliumNeutron sourceNeutron fluxNuclear engineeringLaserInertial confinement fusionFusionRepetition (rhetorical device)OpticsFusion powerMaterials sciencePhysicsNuclear physicsEngineeringPlasma

Résumé

récupéré en direct d'OpenAlex

High-flux, high-repetition-rate neutron sources are of interest in studying neutron-induced damage processes in materials relevant to fusion, ultimately guiding designs for future fusion reactors. Existing and upcoming petawatt laser systems show great potential to fulfill this need. Here, we present a platform for producing laser-driven neutron beams based on a high-repetition-rate cryogenic liquid jet target and an adaptable stacked lithium and beryllium converter. Selected ion and neutron diagnostics enable monitoring of the key parameters of both beams. A first single-shot proof-of-principle experiment successfully implemented the presented platform at the Texas Petawatt Laser facility, achieving efficient generation of a forward-directed neutron beam. This work lays the foundation for future high-repetition-rate experiments towards pulsed, high-flux, fast neutron sources for radiation-induced effect studies relevant for fusion science and applications that require neutron beams with short pulse duration.

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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,488
Score d'incertitude au seuil1,000

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 Opus0,019
Tête enseignante GPT0,255
Écart entre enseignants0,236 · 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