MétaCan
Menu
← Retour à la cohorte
Enregistrement W6949987106 · doi:10.5281/zenodo.6784631

Status of the DEAP-3600 experiment

2022· article· en· W6949987106 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensArthur B. McDonald-Canadian Astroparticle Physics Research Institute
Organismes subventionnairesnon disponible
Mots-clésWIMPDark matterPhotomultiplierDetectorScintillationScintillatorSensitivity (control systems)Weakly interacting massive particles

Résumé

récupéré en direct d'OpenAlex

The Dark matter Experiment using Argon Pulseshape discrimination (DEAP) utilizes a single-phase liquid argon (LAr) detector aiming to acquire the scintillation light produced by nuclear recoils expected to be induced by Weakly Interacting Massive Particle (WIMP) candidate of dark matter. The DEAP-3600 detector consists of about 3.3 tonnes of LAr in a spherical acrylic vessel viewed by 255 photomultiplier tubes. It is located in the SNOLAB underground facility at a depth of approximately 2 km to reduce the cosmic-ray muon induced neutron backgrounds and has been taking data stably since November 2016. DEAP-3600 demonstrated excellent performance for pulseshape discrimination between nuclear recoils and electronic recoils induced by $\beta$ and $\gamma$-rays originating from internal and external radioactivity in the detector material. It has achieved the most sensitive limit for the spin-independent WIMP-nucleon cross-section above 30 GeV/c$^{2}$ WIMP mass among argon-based experiments and leading sensitivity among all experiments for various dark matter scenarios. The talk presents the latest DEAP-3600 results demonstrating the background rejection, sensitivity to dark matter and the status of ongoing analyses.

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)0,010
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,006
Science ouverte0,0020,006
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,024
Tête enseignante GPT0,213
Écart entre enseignants0,189 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetOceanographic and Atmospheric Processes→Travaux en français237 207→