The Science of the Deep Underground Neutrino Experiment (DUNE)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This 4-minute animation shows how the international Deep Underground Neutrino Experiment will help scientists understand how the universe works. DUNE will use a huge particle detector a mile underground to embark on a mission with three major science goals: 1.) Study an intense, 1,300-kilometer-long neutrino beam to discover what happened after the big bang: Are neutrinos the reason the universe is made of matter? 2.) Use 70,000 tons of liquid argon to look for proton decay and move closer to realizing Einstein’s dream of a unified theory of matter and energy. 3.) Catch neutrinos from a supernova to watch the formation of neutron stars and black holes in real time. About 1,000 scientists from 160 institutions in 30 countries are working on the Deep Underground Neutrino Experiment, hosted at the Department of Energy’s Fermi National Accelerator Laboratory and South Dakota’s Sanford Underground Research Facility. DUNE collaborators come from institutions in Armenia, Brazil, Bulgaria, Canada, Chile, China, Colombia, Czech Republic, Finland, France, Greece, India, Iran, Italy, Japan, Madagascar, Mexico, Netherlands, Peru, Poland, Romania, Russia, South Korea, Spain, Sweden, Switzerland, Turkey, Ukraine, United Kingdom, and the United States of America.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle