Application of Energy‐Resolving Neutron Imaging to Major‐Component Analyses of Materials Using Four‐Channel Superconducting Detector
Notice bibliographique
Résumé
We proposed a current‐biased kinetic inductance detector (CB‐KID) as a novel superconducting detector to construct a neutron transmission imager. The characteristics of a superconducting neutron detector have been systematically studied to improve a spatial resolution down to 10 in transmission imaging. In this study, we report the application of the energy‐resolving neutron imaging to investigate major components of materials by analyzing neutron transmission spectra from 1 meV to 500 keV. We succeeded in identifying that copper (Cu) and iron (Fe) are major components respectively in commercial nuts and screws as test samples with the aid of Rietveld imaging of transmission spectra (RITS) program in analyzing transmission spectra in longer wavelengths. The Ti screw was also confirmed by comparing the nuclear resonance absorption measurements and simulations in high‐energy regions. We demonstrated that our superconducting neutron detector is applicable to reveal the transmission spectra in the wide range from cold‐neutron energies to higher neutron energies even up to 500 keV. By selecting distinctive energy regions of pulsed neutrons, we succeeded in mapping the distribution of SmSn 3 compound using the strong neutron absorption in samarium (Sm) and the selective nuclear‐resonance dips in Sm. By taking advantage of using CB‐KID in conducting neutron imaging, the CB‐KID method is extensively useful for various purposes in material sciences through energy‐selective neutron spectroscopy from 1 meV to 500 keV. © 2024 Institute of Electrical Engineers of Japan and Wiley Periodicals LLC.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».