Inverse Laplace Transform Approaches to βNMR Relaxation
Notice bibliographique
Résumé
Abstract Spin lattice relaxation is the simplest type of βNMR measurement. The usual approach is to implant a pulse of hyperpolarized nuclei and monitor the time-resolved β-decay asymmetry, yielding the ensemble average spin-lattice relaxation. In the simplest case, the asymmetry decays exponentially with a characteristic time constant T 1, but this ideal is rarely obtained in practice. In most data, the relaxation is more complicated. This can be the result of multiple crystallographic sites for the implanted probe each having a distinct T 1. The sample may also be inhomogeneous due to: impurities or defects (including interfaces that are particularly important for thin films), intrinsic phase separation, or, if it is a glass. There may also be a background signal from probe ions that stop outside the sample. The general approach to this problem has been the ad hoc development of an appropriate relaxation model that avoids overparametrization. Given the prevalence of more complicated relaxation, it is crucial to develop a systematic approach to relaxation modelling. The decomposition of a relaxing signal into exponentials is, however, a mathematically ill-posed problem[1]. This feature is intrinsic and unavoidable, but there are a number of methods to accommodate it for noisy real-world data, including nuclear spin relaxation[2, 3, 4]. Here we demonstrate one of the best and most commonly used methods, Tikhonov regularization for the inverse Laplace transform, implemented for the particular features of βNMR relaxation data, most importantly the strong time dependence of the statistical uncertainty stemming from the radioactive lifetime of the probe.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».