Tulyum elementinin görünür bölgedeki spektral çizgilerinin sınıflandırılması ve aşırı ince yapısının incelenmesi
2020
0 views
0 downloads
Advisor: Prof. Dr. İpek Kanat Öztürk
Abstract (TR)
Bu çalışmada, tulyum (Tm) elementinin görünür dalgaboyu bölgesinde elde edilen Fourier Transform (FT) spekturumunun analizi gerçekleştirildi. Bunun sonucunda atomik tulyum (Tm I) ve bir kez iyonlaşmış tulyumun (Tm II) spektral çizgi sınıflandırmaları yapıldı ve Tm atomuna ait ince yapı enerji seviyelerinin sahip olduğu aşırı ince yapı deneysel olarak incelendi. Bu tez çalışmasında toplam 2746 tane çizgi analiz edildi. Bu çizgilerden 1757 tanesi Tm I, 291 tanesi Tm II olarak sınıflandırıldı. Yapılan analiz içerisinde 289 Tm I çizgisi ve 242 Tm II çizgisi ilk kez bu tez çalışmasında sınıflandırıldı. 698 tane spektral çizgi ise Tm I ya da Tm II olarak adlandırıldı. Spektral geçişlerin analiz edilmesi sonucu deneysel olarak Tm I'e ait 19 adet ince yapı enerji seviyesi için manyetik dipol aşırı ince yapı sabiti, A, ilk defa bu tez çalışmasında verildi. İlk defa bu çalışmada, deneysel verilerden yararlanılarak oluşturulan lineer denklem sistemi ile 244 tane ince yapı enerji seviyesine ait A manyetik dipol aşırı ince yapı sabiti belirlendi.
Author
Dr. Şeyma Parlatan
How to Cite
Şeyma Parlatan (Doktora Tezi). Tulyum elementinin görünür bölgedeki spektral çizgilerinin sınıflandırılması ve aşırı ince yapısının incelenmesi, 2020, İstanbul University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from İstanbul University
- In the covid 19 pandemic of female employees at a university hospital attitudes and affecting factors in nutrition of 9 months-6 years old children(2022)
- Türkiye'de sağ akımların 27 Mayıs Darbesi'ne dair algısı: 1960-1980(2020)
- La Turquie Gazetesi'nin 1890 yılı haberlerine göre: Osmanlı Devleti'nde iktisadi ve sosyal hayat (Fihrist-çeviri-değerlendirme)(2022)
- Emevîler döneminde toprak rejimi(2022)
- Merkel hücreli karsinomda tanısal ve prognostik belirteçler(2022)
- Solunum sistemi hastalıklarının sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanımı(2021)