MétaCan
Menu
Retour à la cohorte
Enregistrement W2154574011 · doi:10.1109/plasma.2010.5534359

Nonlocal collisionless and collisional electron transport in low temperature plasmas

2010· article· en· W2154574011 sur OpenAlexaff
Igor Kaganovich, Yevgeny Raitses, Alexander V. Khrabrov, V. I. Demidov, Dmytro Sydorenko

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPlasmaElectronPhysicsAtomic physicsDistribution functionIonThermodynamic equilibriumElectron temperatureComputational physicsThermodynamicsNuclear physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

A distinctive property of partially ionized plasmas is that such plasmas are always in a non-equilibrium state: the electrons are not in thermal equilibrium with the neutral species and ions, and the electrons are also not in thermodynamic equilibrium within their own ensemble, which results in a significant departure of the electron velocity distribution function from a Maxwellian. These non-equilibrium conditions provide considerable freedom to choose optimal plasma parameters for applications, which make gas discharge plasmas remarkable tools for a variety of plasma applications, including plasma processing, discharge lighting, plasma propulsion, particle beam sources, and nanotechnology. Typical phenomena in such discharges include nonlocal electron kinetics, nonlocal electrodynamics with collisionless electron heating, and nonlinear processes in the sheaths and in the bounded plasmas. We report on recent advances in nonlocal electron kinetics in low-pressure plasmas, in the Hall thruster discharges <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">1,2</sup> , and dc discharges with auxiliary biased electrodes for plasma control <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">3</sup> . We show on specific examples that this progress was made possible by synergy between full scale particle-in-cell simulations, analytical models, and experiments.

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 enseignants0,280
Score d'incertitude au seuil0,351

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 Opus0,002
Tête enseignante GPT0,189
Écart entre enseignants0,187 · 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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlasma Diagnostics and ApplicationsTravaux en français237 207