Bibliographic record
Abstract
Les expériences sur le transport de masse à petites échelles éxaminent l’écoulement de gasesà travers des nanopores pour déterminer des paramètres comme la probabilité de transmission, laconductance, et la géométrie. Ces paramètres sont cruciels pour bien comprendre le comportementdes molécules dans ces domaines constraints. À haute pression, une géométrie particuliaire nomméle tuyeaux “de Laval" peut accelérer des gases à des vitesses au-déla de la vitesse du son et générerdes trous noirs sonique, alors qu’à basse pression, le transport des gases dans ces nanopores mêneà plusieurs applications pertinentes pour détecter des particules ultra fines.Dans ce travail, l’écoulement de gas dans un nanopore a été mésuré jusqu’à 42.9 atm. Les ré-sultats on été comparés à une simulation de la dynamique des fluides, démontrant que l’écoulementa compressé et atteint des vitesses de Mach 1 à une pression de 42.3 atm, une étape importante pourla détection de la radiation Unruh et la formation des trous noirs soniques. La température assiciéeavec la radiation Unruh est estimé d’être 0.162 K. De plus, les fluctuations de bruit éléctroniqueont été étudiés dans des environment de gas pour le développement d’une nouvelle méthode dedétection transversale. Plusieurs différentes origines de bruit sont examinés en détail
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".