MétaCan
Menu
Retour à la cohorte
Enregistrement W4416025523 · doi:10.48550/arxiv.2511.04324

Quantum dot thermal machines -- a guide to engineering

2025· preprint· W4416025523 sur OpenAlexfundno aff
Eugenia Pyurbeeva, Ronnie Kosloff

Notice bibliographique

RevueArXiv.org · 2025
Typepreprint
Langue
DomainePhysics and Astronomy
ThématiqueQuantum and electron transport phenomena
Établissements canadiensnon disponible
Organismes subventionnairesAzrieli Foundation
Mots-clésCarnot cycleQuantum dotQuantumThermalNoise (video)Quantum thermodynamicsHeat engineTransmission (telecommunications)Particle (ecology)

Résumé

récupéré en direct d'OpenAlex

Continuous particle exchange thermal machines require no time-dependent driving, can be realised in solid-state electronic devices, and miniaturised to nanometre scale. Quantum dots, providing a narrow energy filter and allowing to manipulate particle flow between the hot and cold reservoirs are at the heart of such devices. It has been theoretically shown that by mitigating passive heat flow, Carnot efficiency can be approached arbitrarily closely in a quantum dot heat engine, and experimentally, values of 0.7ηC have been reached. However, for practical applications, other parameters of a thermal machine, such as maximum power, efficiency at maximum power, and noise - stability of the power output or heat extraction - take precedence over maximising efficiency. We explore the effect of internal microscopic dynamics of a quantum dot on these quantities and demonstrate that its performance as a thermal machine depends on few parameters - the overall conductance and three inherent asymmetries of the dynamics. These parameters will act as a guide to engineering the quantum states of the quantum dot, allowing to optimise its performance beyond that of the simplest case of a two-fold spin-degenerate transmission level.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,006

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 Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetQuantum and electron transport phenomenaTravaux en français237 207