MétaCan
Menu
Retour à la cohorte
Enregistrement W4413939195 · doi:10.24908/iqurcp19909

Molecular Dynamics Simulations of Bubble Nucleation in a Liquid Scintillator

2025· article· en· W4413939195 sur OpenAlexaffvenue
Jack Walker

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBubbleNucleationScintillatorMolecular dynamicsDynamics (music)Materials scienceChemical physicsMechanicsPhysicsStatistical physicsThermodynamicsOpticsAcousticsDetector

Résumé

récupéré en direct d'OpenAlex

The Scintillating Bubble Chamber is a detector experiment searching for Weakly Interacting Massive Particles, with estimated sensitivities as low as 100 eV. Its use of a liquid scintillator causes electron events to deposit most of their energy electronically, rather than into nuclear recoils, which contributes to this low sensitivity. However, existing molecular dynamics simulations of bubble formation do not incorporate the energy losses to photons or time-delayed releases that occur in liquid argon. In this study, we use the HOOMD-blue molecular dynamics framework to simulate an idealized model of electron events in liquid argon, including energy deposited via photon creation, ionization, and direct nuclear recoils. A multi-stage bubble growth process similar to that reported in the literature was observed. When comparing simulated thresholds under this model to those under the standard Seitz ``heat spike" model, we found that scintillation raises the average energy required to form a bubble by a factor of 2.16. This indicates that more energy is lost than is accounted for by photon creation and that thermal energy deposited after the bubble's rapid growth phase does not contribute to nucleation. This conclusion was further strengthened by simulations showing increased thresholds with slower scintillation processes, even at identical thermodynamic conditions.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,325
Écart entre enseignants0,296 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetFluid Dynamics and MixingTravaux en français237 207