SQUIDs for magnetic and electromagnetic methods in mineral exploration
Notice bibliographique
Résumé
Abstract Research on quantum sensors for the detection of magnetic fields (quantum magnetometers) is one of the fast-moving areas of Quantum Technologies. Since there exist expectations about their use in geophysics, this work will provide a brief overview on the various developing quantum technologies and their individual state of the art for implementing quantum magnetometers. As one example, the developments on superconducting quantum interference devices, so-called SQUIDs as a specific implementation of a quantum magnetometer, are presented. In the course of this, SQUID instrument implementations and associated demonstrations and case studies will be presented. An airborne vector magnetometer with ultra-low noise ( $$<10 \mathrm{fT}/\sqrt{\mathrm{Hz}}$$ < 10 fT / Hz ) and high dynamic range of $$>32 \mathrm{bit}$$ > 32 bit will be introduced which has the prospect to be applied for the magnetic method in parallel with electromagnetic methods such as passive audio-frequency magnetics or semi-airborne methods using active transmitters such as elongated grounded dipole sources. The according signals are separated in the frequency domain. A second implementation is an airborne full tensor gradiometer instrument will be discussed which has shown already a number of successful case studies and which turned into commercial operation in the past years. Besides the airborne instrument, a very successful implementation of quantum magnetometers is the SQUID-based receiver for the ground-based transient electromagnetic method. Today it is a mature technology which has been in commercial use for more than a decade and has led to a number of discoveries of conductive ore bodies. One case study will be presented which demonstrates the performance of this instrument. Finally, future prospects of using quantum magnetometers, including SQUIDs and new optically pumped magnetometers, in geophysical exploration will be discussed. Particular applications for both sensor types will be introduced.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,015 | 0,004 |
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 ».