MétaCan
Menu
Retour à la cohorte
Enregistrement W2011899280 · doi:10.1155/2009/590763

Critical Time to Nucleation: Graphite and Silicon Nanoparticle Generation by Laser Ablation

2009· article· en· W2011899280 sur OpenAlexafffund
Sid Senadheera, Bo Tan, Krishnan Venkatakrishnan

Notice bibliographique

RevueJournal of Nanotechnology · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNucleationMaterials scienceFemtosecondLaser ablationSiliconLaserGraphiteAblationClassical nucleation theoryOpticsOptoelectronicsThermodynamicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Femtosecond laser ablation hydrodynamics has been analyzed numerically. The nucleation process of two materials (silicon and graphite) in an expanding plume produced by a femtosecond laser ablation is analyzed within the framework of the Zeldovich-Raizer theory (RZ theory). RZ theory is the most appropriate theory applicable to an expanding plume created by a femtosecond laser ablation and has been used to estimate the critical times in the evolution of nanoparticle formation. However, there is no experimental result to directly substantiate the theoretical model on a fundamental level. This paper gives an experimental approach to prove theoretical predictions of critical times to nucleation in laser-ablated graphite and silicon plumes. The critical time to nucleation deduced using the RZ theory was found to be in close agreement with pulse frequency at which fibrous nanoparticle aggregates start to form for both materials. We experimentally showed that the nanoparticle aggregates were produced consistently when the pulse frequency corresponding to the femtosecond laser time interval was shorter than the critical time to begin nucleation. Therefore the nucleation time acts as a threshold time length to begin nucleation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,219
Écart entre enseignants0,213 · 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 tête enseignante, 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

Citations13
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NanotechnologyMême sujetLaser-induced spectroscopy and plasmaTravaux en français237 207