534 papers
Deze sectie op Gist.Science richt zich op de fascinerende wereld van plasmafysica, het onderzoek naar de vierde toestand van materie. Plasma komt voor in alles van bliksem tot sterren en maakt het mogelijk om nieuwe energiebronnen en geavanceerde materialen te ontwikkelen. Het is een dynamisch veld waar geladen deeltjes en elektromagnetische velden samenspelend complexe verschijnselen creëren.
Elk nieuw preprint dat op arXiv verschijnt binnen dit domein, wordt door onze systemen direct verwerkt. Wij bieden voor elke publicatie zowel een toegankelijke samenvatting in gewone taal als een gedetailleerde technische analyse, zodat zowel leken als experts de inzichten kunnen begrijpen. Hieronder vind je de meest recente bijdragen uit deze spannende tak van de natuurkunde.
In deze studie ontwikkelen de auteurs een machine learning-model op basis van een convolutional neurale netwerken (CNN) dat, gebruikmakend van MAVEN/SWIA-gegevens, drie plasma-regio's rond Mars nauwkeurig en automatisch kan classificeren, waarbij deze CNN-benadering superieur is aan een traditionele multilayer perceptron.
Dit artikel introduceert een Hamiltoniaanse inversiemethode die, door gebruik te maken van de quasi-statische Vlasov-evenwichtsvoorwaarde, de ruimtelijke elektrische potentiaalprofielen in de maanwake succesvol reconstrueert ondanks de uitdagingen van straal-asymmetrie en ion-acoustische schokgolven, zoals gevalideerd met simulaties en ARTEMIS-observaties.
Dit onderzoek analyseert de overgang tussen werkingsmodi in een micro-newton Hall-aandrijver met een afgerond veld en onthult dat een toename van de plasma-dichtheid boven de cut-off-dichtheid de voortplanting van ioniserende golven verstoort, waardoor het verwarmingsmechanisme van volume- naar oppervlaktegolfverwarming verschuift.
Deze studie beschrijft de toestandsvergelijking van een warm ionenplasma in de buitenste korst van neutronensterren door middel van microscopische Molecular Dynamics-simulaties, waarbij elektronenscherming en eindige iongrootte worden meegenomen om tabellen en een neurale netwerk-parametrizatie te leveren voor gebruik in het bereik van hoge dichtheden en temperaturen.
Deze studie presenteert twee diep-lerende autoregressieve modellen, gebaseerd op een Koopman-gebaseerde Transformer en een ConvLSTM-UNet, die de tijdsontwikkeling van 2D MHD Kelvin-Helmholtz-instabiliteiten nauwkeurig en met aanzienlijk lagere rekentijd voorspellen dan directe numerieke simulaties, terwijl ze essentiële fysische eigenschappen behouden.
Deze studie toont aan dat de curlometer-methode, toegepast op Swarm-metingen en geospace-simulaties, de dynamische aard van veld-gealigneerde stromingen blootlegt en waarschuwt voor meetfouten door tijdsverschillen en slechte tetraëderconfiguraties, terwijl het de meerwaarde van vierpunt-metingen voor nauwkeurige analyse benadrukt.
Dit artikel biedt een overzicht van recente machine learning-benaderingen voor het ontwikkelen van gesloten relaties voor plasma-momenten, met als doel kinetische fenomenen in vloeistofmodellen nauwkeuriger te modelleren en de huidige uitdagingen en toekomstige onderzoekspaden te schetsen.
Dit onderzoek herbeoordeelt de gestimuleerde verstrooiing van sterk gepolariseerde elektromagnetische golven in paardenplasma's en toont aan dat de niet-lineariteit wordt bepaald door de parameter , wat verklaart waarom snelle radioborstels (FRBs) uit magnetars kunnen ontsnappen zonder significant verstrooid te worden.
Dit artikel presenteert viriale expansies voor thermodynamische en transporteigenschappen van plasma's, afgeleid via groene-functiemethoden, die dienen als benchmarks voor numerieke simulaties zoals DFT-MD en PIMC, met name in het lage-dichtheidsregime.
Dit artikel introduceert een concept waarbij terahertz-golven worden gebruikt om elektronenbundels te manipuleren en tijdelijk te synchroniseren met een laser, waardoor stabiele, hoogkwalitatieve injectie in laser-plasma versnellers mogelijk wordt met een energieverspreiding van ongeveer 0,2%.