High average-flux laser-driven neutron source
Notice bibliographique
Résumé
Laser-driven neutron generation is an attractive alternative to more established methods for compact, short-pulse-duration neutron sources with applications in medical science, material science and imaging. Despite extensive investigation of various techniques, achieving performance comparable to nuclear reactors or conventional accelerators remains challenging. In this work, we generate a stable, high-repetition-rate laser-driven neutron source reaching a record average flux of 7.8 × 107 n/sr/s, improving on other existing laser-based sources by more than one order of magnitude. Our approach is based on a two-step process where electrons are accelerated to relativistic energies via laser wakefield acceleration (LWFA), and subsequently generate neutrons through Bremsstrahlung emission followed by photonuclear reactions in a tungsten converter. Experimental results, supported by Monte Carlo simulations, show a neutron flux of 3.0 × 107 n/cm2/s near the target, on par with some compact accelerator-based neutron sources. Additionally, a direct comparison with the target-normal sheath acceleration (TNSA) pitcher-catcher scheme, performed on the same laser system, reveals a significantly higher total neutron yield of 3.9 × 108 neutrons per shot, outperforming the TNSA scheme by several orders of magnitude. These findings represent a significant advancement towards the development of practical laser-driven neutron sources and highlight the advantages of LWFA-based neutron generation for future applications. Current short-pulse-duration neutron sources suffer from a low repetition rate, hindering applications. Here, the authors demonstrate advancements of laser-wakefield based photoneutron generation at high repetition rates and conversion efficiencies, providing an alternative to traditional pitcher-catcher methods.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».