MétaCan
Menu
Retour à la cohorte
Enregistrement W2071203068 · doi:10.1063/1.3693043

Argon plasma modeling with detailed fine-structure cross sections

2012· article· en· W2071203068 sur OpenAlexafffund
Reetesh Kumar Gangwar, Lalita Sharma, Rajesh Srivastava, A D Stauffer

Notice bibliographique

RevueJournal of Applied Physics · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAtomic and Molecular Physics
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaInternational Atomic Energy AgencyCouncil of Scientific and Industrial Research, India
Mots-clésAtomic physicsArgonExcited stateMetastabilityPlasmaRadiative transferExcitationPopulationElectronPhysicsChemistryNuclear physicsOptics

Résumé

récupéré en direct d'OpenAlex

Our recently reported fully relativistic distorted-wave electron-impact cross sections from the ground and metastable states of argon to various excited fine-structure levels are incorporated in a collisional-radiative model to obtain the population densities for the 3p54s and 3p54p (1s and 2p) fine-structure manifolds for low temperature argon plasmas. Excitation cross sections from the two 3p54s J = 1 resonance levels, 1s2 and 1s4, to the higher lying 2p fine-structure manifold as well as for transitions among individual levels of the 1s and 2p manifolds are also calculated and included in the present model which were not fully considered in any earlier model. Our results for the population densities of the 1s and 2p levels show good agreement with recent measurements. The variation of population densities of all the 1s and 2p levels with electron temperature and density are presented. We have also calculated and compared the intensities for the 750.38 nm (2p1 → 1s2) and 696.54 nm (2p2 → 1s5) lines with recently reported experimental results. The present work suggests that the inclusion of a complete fine-structure description of the electronic processes occurring in the plasma is important for a collisional radiative model, which includes separate 1s and 2p levels.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,222 · 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'étudeSimulation ou modélisation
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

Citations69
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetAtomic and Molecular PhysicsTravaux en français237 207