Multi-frame, ultrafast, x-ray microscope for imaging shockwave dynamics
Notice bibliographique
Résumé
Inertial confinement fusion (ICF) holds increasing promise as a potential source of abundant, clean energy, but has been impeded by defects such as micro-voids in the ablator layer of the fuel capsules. It is critical to understand how these micro-voids interact with the laser-driven shock waves that compress the fuel pellet. At the Matter in Extreme Conditions (MEC) instrument at the Linac Coherent Light Source (LCLS), we utilized an x-ray pulse train with ns separation, an x-ray microscope, and an ultrafast x-ray imaging (UXI) detector to image shock wave interactions with micro-voids. To minimize the high- and low-frequency variations of the captured images, we incorporated principal component analysis (PCA) and image alignment for flat-field correction. After applying these techniques we generated phase and attenuation maps from a 2D hydrodynamic radiation code (xRAGE), which were used to simulate XPCI images that we qualitatively compare with experimental images, providing a one-to-one comparison for benchmarking material performance. Moreover, we implement a transport-of-intensity (TIE) based method to obtain the average projected mass density (areal density) of our experimental images, yielding insight into how defect-bearing ablator materials alter microstructural feature evolution, material compression, and shock wave propagation on ICF-relevant time scales.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».