sem_yield_curve — GENERATIVE `sem` op

• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import fullseye as fs; fs.ledger.sem_yield_curve(material='SI', energies_kev=None, *, n_electrons: 'int' = 2000, seed: 'int' = 0) -> 'dict'(구현을 직접 호출하려면 import sem; sem.sem_yield_curve(material='SI', energies_kev=None, *, n_electrons: 'int' = 2000, seed: 'int' = 0) -> 'dict', 원장에서 가져오려면 opsgenerative.get("sem_yield_curve"))

사용법

가속 전압을 바꿔 가며 몬테카를로로 η(E)와 δ(E)를 구하고 δ의 모양을 보편 곡선과 비교한다.

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

δ の山の位置 Emax は、山の周りの 3 点に log E の放物線を当てて求める。universal は Lin & Joy 2005 の普遍曲線を、この MC の Emax・δmax で戻した値。shape_rms は E/Emax ∈ [0.25, 8] の点での δ/δmax と普遍曲線の差の RMS。

Returns

dict

energies_kev / eta / se_yield / emax_kev / delta_max /

universal / shape_rms / shape_max_abs。

Examples

>>> r = sem_yield_curve("SI", [0.2, 0.4, 0.8, 1.6, 3.2], n_electrons=300)

>>> r["emax_kev"] > 0.1 and len(r["se_yield"]) == 5

True

자세한 사용 가이드

• generative_art 패밀리 가이드

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_virtual_sem_kv_cd_bse — py -3.11 examples/poc_virtual_sem_kv_cd_bse.py

타입이 이어지는 다음 연산자(`table` 를 입력으로 받는 것)

perpetual_step · perpetual_render

같은 카테고리(`sem`)

sem_render · sem_electron_mc · sem_se_universal_curve · sem_line_profile · sem_cd_measure · sem_image · sem_se_escape_fraction · sem_charging_series

*Provenance: sem.py — GENERATIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

sem_yield_curve — GENERATIVE sem op

사용법