MétaCan
Menu
Retour à la cohorte
Enregistrement W2342798905 · doi:10.1139/cjp-2015-0692

Investigations of argon and neon abnormal glow discharges in the presence of metastable atom density with fluid model

2016· article· en· W2342798905 sur OpenAlexvenueno aff
Tahar Alili, Abdelaziz Bouchikhi, Mohamed Rizouga

Notice bibliographique

RevueCanadian Journal of Physics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeonAtomic physicsPhysicsArgonPenning ionizationMetastabilityBoltzmann equationGlow dischargeIonizationElectron densityAtom (system on chip)PlasmaPoisson's equationIonThermodynamicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

In this manuscript an investigation of a DC argon and neon abnormal glow discharges with metastable atom density is presented. The values of pressure lie between 133.32 and 330 Pa, and the voltage ranges from 250 to 400 V in the case of argon gas. In the case of neon gas, the pressure has a value of 399.92 Pa (3 Torr) and the voltage ranges from 300 to 500 V. In this framework, an analysis of abnormal glow discharge characteristics is carried out in the case of input data taken from the Boltzmann equation in the multi-term approximation, and in the case of input data obtained from BOLISG+ code. With these differences of input data in the same gas, the output results are different; it appears in the cathodic region. The spatio-temporal distributions of electron and ion densities, the potential and electric field, the mean electron energy and the metastable atom density are shown. A 1D fluid model is used to solve self-consistently the first three moments of the Boltzmann’s equation coupled with the Poisson’s equation. The role of the presence of metastable atom density in the fluid model is clearly because of the domination of ionization processes by both stepwise and penning ionizations. Our results are validated with those obtained by both recent paper and experimental results.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,342

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 Opus0,011
Tête enseignante GPT0,181
Écart entre enseignants0,170 · 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

Citations16
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetPlasma Diagnostics and ApplicationsTravaux en français237 207