MétaCan
Menu
Retour à la cohorte
Enregistrement W1942591596 · doi:10.1002/ppap.201500161

Energetics of Reactions in a Dielectric Barrier Discharge with Argon Carrier Gas: II Mixtures with Different Molecules

2015· article· en· W1942591596 sur OpenAlexafffund
Bernard Nisol, Sean Watson, Sophie Lerouge, M. R. Wertheimer

Notice bibliographique

RevuePlasma Processes and Polymers · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensCentre Hospitalier de l’Université de MontréalÉcole de Technologie SupérieurePolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésArgonDielectric barrier dischargeAnalytical Chemistry (journal)DopantFourier transform infrared spectroscopyMoleculeChemistryPlasmaMaterials scienceAtomic physicsDielectricDopingOrganic chemistryChemical engineeringOptoelectronics

Résumé

récupéré en direct d'OpenAlex

A large research reactor for performingdielectric barrier discharge (DBD) experiments at atmospheric pressure (AP) has been used with argon (Ar) carrier gas under constant plasma conditions (f = 20 kHz, Va(f) = 8 kVp-p = 2.8 kVrms). Various permanent gases (H2, O2, N2, light hydrocarbons) and some heavier organic molecules were introduced as reactive “dopant” flows, Fd, at ‰ concentrations in the F = 10 standard liters per minute (slm) flow of argon. We have earlier perfected and reported a method for measuring Eg, the energy dissipated per cycle of the applied a.c. voltage, and ΔEg, the energy difference with and without reactive dopant in the Ar flow. The latter and Fd permit calculation of Em, the energy absorbed from the plasma by each dopant molecule. Plots of Em versus Fd and 1/Fd yield much valuable information about excitation, fragmentation, and polymerization in the DBD plasma environment. Optical emission (OES) and Fourier-transform infrared (FTIR) spectroscopies help to further enhance and complement interpretation of measured data.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,231
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlasma Processes and PolymersMême sujetPlasma Applications and DiagnosticsTravaux en français237 207