MétaCan
Menu
Retour à la cohorte
Enregistrement W4413123465 · doi:10.1209/0295-5075/adf994

Atomic diffraction by patterned holes in hexagonal boron nitride: A comparison between semi-classical and quantum computational models <sup>(a)</sup>

2025· article· en· W4413123465 sur OpenAlexaff
Eivind Kristen Osestad, Ekaterina Zossimova, Michael Walter, Johannes Fiedler

Notice bibliographique

RevueEurophysics Letters (EPL) · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBoron and Carbon Nanomaterials Research
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésHexagonal boron nitrideDiffractionBoron nitrideHexagonal crystal systemMaterials scienceQuantumNitrideCrystallographyBoronNanotechnologyCondensed matter physicsMolecular physicsQuantum mechanicsPhysicsChemistryGraphene

Résumé

récupéré en direct d'OpenAlex

Abstract The diffraction of atoms and molecules through tiny, sub-nanometre holes in atomically thin membranes is a promising approach for advancing atom interferometry sensing and atomic holography. However, dispersion interactions, such as the Casimir-Polder force, pose a significant challenge by attracting diffracting particles to the membrane, limiting the minimum hole size. This paper presents a numerical simulation of helium matter-wave diffraction through sub-nanometre holes in hexagonal boron nitride by solving the time-dependent Schrödinger equation. Our results show that the transmission rates in the quantum approach are significantly higher than those predicted by the commonly used semi-classical approach. This suggests that significantly smaller holes can be used in the design of diffractive masks, provided that fabrication techniques can meet the atomic-level precision to realise such holes. Furthermore, we observe notable differences in diffraction patterns, even for atom velocities that are much greater than the expected convergence threshold between semi-classical and quantum computational models.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,827
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,018
Tête enseignante GPT0,275
Écart entre enseignants0,257 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurophysics Letters (EPL)Même sujetBoron and Carbon Nanomaterials ResearchTravaux en français237 207