MétaCan
Menu
Retour à la cohorte
Enregistrement W4396907114 · doi:10.1063/5.0205584

Development and calibration of a multi-delay coherence imaging diagnostic on the MAST-U tokamak

2024· article· en· W4396907114 sur OpenAlexaff
R.S. Doyle, N. Lonigro, J. S. Allcock, S. Silburn, M. M. Turner, X. Feng, H. Leggate

Notice bibliographique

RevueReview of Scientific Instruments · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensGeneral Fusion (Canada)
Organismes subventionnairesEngineering and Physical Sciences Research CouncilEuratom Research and Training ProgrammeEuropean CommissionEUROfusion
Mots-clésDivertorCalibrationInterferometryWavelengthCoherence (philosophical gambling strategy)TokamakLaserOpticsSpherical tokamakPhysicsComputer sciencePlasmaNuclear physics

Résumé

récupéré en direct d'OpenAlex

The MAST-U Super-X divertor provides the opportunity to study fusion plasma exhaust under novel conditions. However, in order to study these conditions, advanced diagnostics are required. Following the development of the MAST-U Multi-Wavelength Imaging (MWI) diagnostic, we present the installation of a multi-delay coherence imaging spectroscopy (CIS) system within the MAST-U MWI, along with modifications made to the MWI for effective operation. This diagnostic will measure either carbon ion flow velocities and temperatures or electron densities through Dγ emission. We have extended previously developed techniques for wavelength calibration to account for errors due to the misalignment of interferometer components. In addition, we have developed a comprehensive calibration procedure to account for the temperature dependence of the instrument's delays by fitting to a linearly modified version of the delay equation presented by Veiras et al. [Appl. Opt. 49(15), 2769 (2010)]. Together, these procedures reduce the cost and hardware complexity of implementing CIS instruments when compared to those that use in situ or tunable laser calibration systems, as calibrations can be generated to good accuracy using previously measured data.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0110,000

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 Opus0,026
Tête enseignante GPT0,290
Écart entre enseignants0,263 · 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'étudeAutre devis
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Scientific InstrumentsMême sujetMagnetic confinement fusion researchTravaux en français237 207