MétaCan
Menu
Retour à la cohorte
Enregistrement W4390542789 · doi:10.1038/s42005-023-01425-4

Narrow-band acceleration of gold ions to GeV energies from ultra-thin foils

2024· article· en· W4390542789 sur OpenAlexfundno aff
Philip Martin, H. Ahmed, D. Doria, M. Cerchez, F. Hanton, D. Gwynne, A. Alejo, J. Fernández-Tobias, James Green, Andrea Macchi, D. A. MacLellan, P. McKenna, Jesús Álvarez Ruiz, M. Swantusch, Oswald Willi, M. Borghesi, S. Kar

Notice bibliographique

RevueCommunications Physics · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesScience and Technology Facilities CouncilEuropean CommissionQueen's UniversityEngineering and Physical Sciences Research CouncilDeutsche ForschungsgemeinschaftQueen's University Belfast
Mots-clésAccelerationIonParticle accelerationBunchesPhysicsPlasmaAtomic physicsRadiation pressureLaserNuclear physicsElectronOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Interaction of intense lasers with nm thick targets provides an attractive regime for the acceleration of ions of all types. Acceleration of heavy ions however is undermined in the presence of low charge contaminant species due to their higher charge-to-mass ratio. Here we show narrow-band acceleration of very heavy Au ions from ~15 nm Au foils driven by a sub-Petawatt laser, with spectral peaks of 1.5 ± 0.5 GeV at fluxes on the order of 1012 particles per steradian. 3D and 2D particle-in-cell simulations show a complex interplay between different acceleration mechanisms at different stages of the interaction, suggesting the spectrally peaked Au ion bunches stem from strong radiation pressure acceleration on a heavy-ion dominant plasma in the moments just before transparency, followed by an efficient acceleration due to transparency-enhanced mechanisms.

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 seuil0,004

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,034
Tête enseignante GPT0,306
Écart entre enseignants0,272 · 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

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications PhysicsMême sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207