Cross-calibration of quantum atomic sensors for pressure metrology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantum atomic sensors have shown great promise for vacuum metrology. Specifically, the density of gas particles in vacuum can be determined by measuring the collision rate between the particles and an ensemble of sensor atoms. This requires preparing the sensor atoms in a particular quantum state, observing the rate of changes of that state, and using the total collision rate coefficient for state-changing collisions to convert the rate into a corresponding density. The total collision rate coefficient can be known by various methods, including quantum scattering calculations using a computed interaction potential for the collision pair, measurements of the post-collision sensor-atom momentum recoil distribution, or empirical measurements of the collision rate at a known density. Observed discrepancies between the results of these methods call into question their accuracy. To investigate this, we study the ratio of collision rate measurements of co-located sensor atoms, 87Rb and 6Li, exposed to natural abundance versions of H2, He, N2, Ne, Ar, Kr, and Xe gases. This method does not require knowledge of the test gas density and is, therefore, free of the systematic errors inherent in efforts to introduce the test gas at a known density. Our results are systematically different at the level of 3% to 4% from recent theoretical and experiment measurements. This work demonstrates a model-free method for transferring the primacy of one atomic standard to another sensor atom and highlights the utility of sensor-atom cross-calibration experiments to check the validity of direct measurements and theoretical predictions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle