Use of Ar–He mixed gas plasmas for furnace atomisation plasma ionisation mass spectrometry (FAPIMS)
Notice bibliographique
Résumé
The effect of Ar–He mixed gas plasmas on analyte signal intensities generated in a furnace atomization plasma ionization mass spectrometry (FAPIMS) source is presented. Analyte is introduced as a volatile headspace gas effluent (I2(g) and Hg(g)) and in discrete liquid sample volumes (Fe, Rb, Pd, In, Cs, Yb, Pt, Pb and Bi). The presence of as little as 2–10% (v/v) Ar increases the signal intensity of analytes having first ionization potentials greater than 6 eV by up to 10-fold. This may be attributed to the formation of more energetic plasmas whose electron density, ionization temperature and gas kinetic temperatures increase with Ar content. Consistent with this, elements with the highest ionization potentials showed the greatest enhancements. Analytes with ionization potentials of less than 6 eV, which are already presumed 100% ionized, are unaffected. Further increases in Ar content (50–100% v/v) can lead to plasma instability and accelerated erosion of graphite surfaces within the source. Most of the analytes studied showed slight improvements in the limits of detection for plasmas containing ≈5% v/v Ar; the increased signal intensity was accompanied by little or no increase in the background signal. Although Ar can significantly affect conditions within the source, the composition of the Ar–He mixture can also influence the transmission of analyte into the free jet expansion and to the MS detector. The appearance and intensity of Ar-based spectral interferences, such as ArC+, ArO+ and Ar2+, increase with Ar content and source temperature, degrading the determination of species such as 52Cr+, 56Fe+ and 80Se+. The amount of Ar required to generate significant signal enhancements is small (<10% v/v) and therefore does not significantly ease the pumping requirements on the interface.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».