MétaCan
Menu
Retour à la cohorte
Enregistrement W4416588162 · doi:10.1088/1361-6560/ae237b

GATE 10 Monte Carlo particle transport simulation: I. Development and new features

2025· article· en· W4416588162 sur OpenAlexafffund
David Sarrut, Nicolas Arbor, Thomas Baudier, Julien Bert, Konstantinos Chatzipapas, Martina Favaretto, H. Fuchs, Loïc Grevillot, Hussein Harb, Gert Van Hoey, Maxime Jacquet, Sébastien Jan, Yihan Jia, George C. Kagadis, Han Gyu Kang, Paul Klever, O. Kochebina, W. Krzemień, Lydia Maigne, Philipp Mohr, Guneet Mummaneni, V. Paneta, Panagiotis Papadimitroulas, Alexis Pereda, Axel Rannou, Andreas Resch, Emilie Roncali, Maxime Toussaint, Carlotta Trigila, Charalampos Tsoumpas, Jing Zhang, K. Ziemons, Nils Krah

Notice bibliographique

RevuePhysics in Medicine and Biology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Therapy and Dosimetry
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesErasmus+Direction Générale de l’offre de SoinsInstitut National Du CancerNatural Sciences and Engineering Research Council of CanadaEuropean CommissionFundacja na rzecz Nauki PolskiejInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la RechercheAustrian Science Fund
Mots-clésMonte Carlo methodMultithreadingRange (aeronautics)Development (topology)Focus (optics)Position (finance)

Résumé

récupéré en direct d'OpenAlex

We present GATE version 10, a major evolution of the open-source Monte Carlo simulation application for medical physics, built on Geant4. This release marks a transformative evolution, featuring a modern Python-based user interface, enhanced multithreading and multiprocessing capabilities, the ability to be embedded as a library within other software, and a streamlined framework for collaborative development. In this Part 1 paper, we outline GATE's position among other Monte Carlo codes, the core principles driving this evolution, and the robust development cycle employed. We also detail the new features and improvements. Part 2 will focus on the architectural innovations and technical challenges. By combining an open, collaborative framework with cutting-edge features, such a Monte Carlo platform supports a wide range of academic and industrial research, solidifying its role as a critical tool for innovation in medical physics.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,161
Tête enseignante GPT0,404
Écart entre enseignants0,243 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetRadiation Therapy and DosimetryTravaux en français237 207