MétaCan
Menu
Retour à la cohorte
Enregistrement W4387662241 · doi:10.48550/arxiv.2310.10282

Helical coil design with controlled dispersion for bunching enhancement of the TNSA protons

2023· preprint· en· W4387662241 sur OpenAlexaff
A. Hirsch-Passicos, C. L. C. Lacoste, Frederic André, Yves Elskens, E. d’Humières, V. T. Tikhonchuk, M. Bardon

Notice bibliographique

RevuearXiv (Cornell University) · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueParticle Accelerators and Free-Electron Lasers
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesGrand Équipement National De Calcul Intensif
Mots-clésCollimated lightProtonDispersion (optics)LaserElectromagnetic coilMaterials scienceOpticsCutoffPower (physics)AccelerationComputational physicsPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

The quality of the proton beam produced by Target Normal Sheath Acceleration (TNSA) with high power lasers can be significantly improved with the use of helical coils. While they showed promising results in terms of focusing, their performances in terms of the of cutoff energy and bunching stay limited due to the dispersive nature of helical coils. A new scheme of helical coil with a tube surrounding the helix is introduced, and the first numerical simulations and an analytical model show a possibility of a drastic reduction of the current pulse dispersion for the parameters of high power laser facilities. The helical coils with tube strongly increase bunching, creating two collimated narrow-band proton beams from a broad and divergent TNSA distribution. The analytical model provides scaling of proton parameters as a function of laser facility features.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,079
Tête enseignante GPT0,185
Écart entre enseignants0,106 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetParticle Accelerators and Free-Electron LasersTravaux en français237 207