MétaCan
Menu
Retour à la cohorte
Enregistrement W7011295907

Measurement of neutron-proton capture in the SNO+ water phase

2020· article· en· W7011295907 sur OpenAlexfundno aff

Notice bibliographique

RevueLancaster EPrints (Lancaster University) · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNuclear PhysicsDirección General de Asuntos del Personal Académico, Universidad Nacional Autónoma de MéxicoFundação para a Ciência e a TecnologiaOffice of ScienceSimon Fraser UniversityOntario Ministry of Research, Innovation and ScienceQueen's UniversityU.S. Department of EnergyEuropean CommissionDeutsche ForschungsgemeinschaftFermilabHigh Energy PhysicsOntario Ministry of Research and InnovationWestern Canada Research GridUniversity of AlbertaScience and Technology Facilities CouncilStrongCanadian Institute for Advanced ResearchNorthern Ontario Heritage Fund CorporationNational Science FoundationCompute CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésCalibrationCherenkov radiationNeutronNeutron captureDetectorNeutron temperatureNeutron cross sectionWater vaporCoincidence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The SNO+ experiment collected data as a low-threshold water Cherenkov detector from September 2017 to July 2019. Measurements of the 2.2-MeV s produced by neutron capture on hydrogen have been made using an Am-Be calibration source, for which a large fraction of emitted neutrons are produced simultaneously with a 4.4-MeV γ. Analysis of the delayed coincidence between the 4.4-MeV γ and the 2.2-MeV capture γ revealed a neutron detection efficiency that is centered around 50% and varies at the level of 1% across the inner region of the detector, which to our knowledge is the highest efficiency achieved among pure water Cherenkov detectors. In addition, the neutron capture time constant was measured and converted to a thermal neutron-proton capture cross section of 336.3+1.2-1.5 mb.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,222
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLancaster EPrints (Lancaster University)Même sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207