MétaCan
Menu
Retour à la cohorte
Enregistrement W2077925952 · doi:10.1667/rr13516.1

Muon Radiolysis Affected by Density Inhomogeneity in Near-Critical Fluids

2014· article· en· W2077925952 sur OpenAlexaff
Philip Cormier, Christopher Alcorn, G. Legate, Khashayar Ghandi

Notice bibliographique

RevueRadiation Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMuon and positron interactions and applications
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésMuoniumRadiolysisSupercritical fluidMuonThermalisationChemistryRadiochemistryRadiation chemistryDiamagnetismElectronCarbon dioxideNuclear physicsIrradiationAnalytical Chemistry (journal)Materials scienceAtomic physicsPhysicsOrganic chemistryMagnetic field

Résumé

récupéré en direct d'OpenAlex

In this article we show the significant tunability of radiation chemistry in supercritical ethane and to a lesser extent in near critical CO2. The information was obtained by studies of muonium (Mu = μ(+)e(-)), which is formed by the thermalization of positive muons in different materials. The studies of the proportions of three fractions of muon polarization, PMu, diamagnetic PD and lost fraction, PL provided the information on radiolysis processes involved in muon thermalization. Our studies include three different supercritical fluids, water, ethane and carbon dioxide. A combination of mobile electrons and other radiolysis products such as (•)C2H5 contribute to interesting behavior at densities ∼40% above the critical point in ethane. In carbon dioxide, an increase in electron mobility contributes to the lost fraction. The hydrated electron in water is responsible for the lost fraction and decreases the muonium fraction.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,739
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,338
Écart entre enseignants0,322 · 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'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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiation ResearchMême sujetMuon and positron interactions and applicationsTravaux en français237 207