MétaCan
Menu
Retour à la cohorte
Enregistrement W4312010699 · doi:10.1103/physrevmaterials.6.123604

Internal mechanical dissipation mechanisms in amorphous silicon

2022· article· en· W4312010699 sur OpenAlexafffund
Carl Lévesque, S. Roorda, F. Schiettekatte, Normand Mousseau

Notice bibliographique

RevuePhysical Review Materials · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueHigh-pressure geophysics and materials
Établissements canadiensUniversité de MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceQuantum decoherenceRelaxation (psychology)Amorphous solidSiliconDissipationAttenuationCondensed matter physicsQuantumAmorphous siliconOptoelectronicsPhysicsCrystalline siliconQuantum mechanicsCrystallographyChemistry

Résumé

récupéré en direct d'OpenAlex

Using activation-relaxation technique nouveau (artn), we search for two-level systems (TLSs) in models of amorphous silicon ($a$-Si). The TLSs are mechanisms related to internal mechanical dissipation and represent the main source of noise in the most sensitive frequency range of the largest gravitational wave detectors as well as one of the main sources of decoherence in many quantum computers. We show that in $a$-Si, the majority of the TLSs of interest fall into two main categories: bond-defect hopping, where neighbors exchange a topological defect, and Wooten-Winer-Weaire bond exchange. The distribution of these categories depends heavily on the preparation schedule of the $a$-Si. We use our results to compute the mechanical loss in amorphous silicon, leading to a loss angle of ${10}^{\ensuremath{-}3}$ at room temperature, decreasing to ${10}^{\ensuremath{-}4}$ at 150 K in some configurations. Our modeling results indicate that multiple classes of events can cause experimentally relevant TLSs in disordered materials and therefore multiple attenuation strategies might be needed to reduce their impact.

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 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)0,001
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 enseignants0,472
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0130,000

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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review MaterialsMême sujetHigh-pressure geophysics and materialsTravaux en français237 207