MétaCan
Menu
Retour à la cohorte
Enregistrement W4300960311 · doi:10.1063/5.0107542

Novel fabrication tools for dynamic compression targets with engineered voids using photolithography methods

2022· article· en· W4300960311 sur OpenAlexaff
Silvia Pandolfi, Thomas E. Carver, Daniel Hodge, Andrew F. T. Leong, Kelin Kurzer-Ogul, Philip Hart, Eric Galtier, Dimitri Khaghani, Eric Cunningham, Bob Nagler, Hae Ja Lee, C. A. Bolme, Kyle Ramos, Kenan Li, Yanwei Liu, Anne Sakdinawat, Stefano Marchesini, Pawel Kozłowski, C. B. Curry, Franz-Joseph Decker, Sharon Vetter, Jessica K. Shang, Hussein Aluie, Matthew S. Dayton, D. S. Montgomery, Richard L. Sandberg, A. E. Gleason

Notice bibliographique

RevueReview of Scientific Instruments · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Surface Polishing Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesInstitute for Materials Science, Los Alamos National LaboratorySLAC National Accelerator LaboratoryBasic Energy SciencesU.S. Department of EnergyDivision of Electrical, Communications and Cyber SystemsLos Alamos National LaboratoryNational Nuclear Security AdministrationNational Science FoundationMinisterio de Economía y CompetitividadFusion Energy SciencesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungOffice of Science
Mots-clésPhotolithographyFabricationMaterials scienceNanotechnologyCompression (physics)Computer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Mesoscale imperfections, such as pores and voids, can strongly modify the properties and the mechanical response of materials under extreme conditions. Tracking the material response and microstructure evolution during void collapse is crucial for understanding its performance. In particular, imperfections in the ablator materials, such as voids, can limit the efficiency of the fusion reaction and ultimately hinder ignition. To characterize how voids influence the response of materials during dynamic loading and seed hydrodynamic instabilities, we have developed a tailored fabrication procedure for designer targets with voids at specific locations. Our procedure uses SU-8 as a proxy for the ablator materials and hollow silica microspheres as a proxy for voids and pores. By using photolithography to design the targets' geometry, we demonstrate precise and highly reproducible placement of a single void within the sample, which is key for a detailed understanding of its behavior under shock compression. This fabrication technique will benefit high-repetition rate experiments at x-ray and laser facilities. Insight from shock compression experiments will provide benchmarks for the next generation of microphysics modeling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,035
Tête enseignante GPT0,335
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetAdvanced Surface Polishing TechniquesTravaux en français237 207