MétaCan
Menu
Retour à la cohorte
Enregistrement W2408944543 · doi:10.1038/srep27340

Simultaneous identification of multi-combustion-intermediates of alkanol-air flames by femtosecond filament excitation for combustion sensing

2016· article· en· W2408944543 sur OpenAlexaff
Helong Li, Wei Chu, Huailiang Xu, Ya Cheng, See-Leang Chin, Kaoru Yamanouchi, Hong‐Bo Sun

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Matter Interactions and Applications
Établissements canadiensUniversité LavalGenia Photonics (Canada)
Organismes subventionnairesSpecialized Research Fund for the Doctoral Program of Higher Education of ChinaNational Key Research and Development Program of ChinaShanghai Institute of Optics and Fine Mechanics, Chinese Academy of SciencesState Key Laboratory of High Field Laser PhysicsNational Natural Science Foundation of China
Mots-clésCombustionFemtosecondExcitationProtein filamentIdentification (biology)Materials scienceChemistryPhotochemistryEnvironmental sciencePhysicsPhysical chemistryOpticsBiologyLaserComposite material

Résumé

récupéré en direct d'OpenAlex

Laser filamentation produced by the propagation of intense laser pulses in flames is opening up new possibility in application to combustion diagnostics that can provide useful information on understanding combustion processes, enhancing combustion efficiency and reducing pollutant products. Here we present simultaneous identification of multiple combustion intermediates by femtosecond filament excitation for five alkanol-air flames fueled by methanol, ethanol, n-propanol, n-butanol, and n-pentanol. We experimentally demonstrate that the intensities of filament-induced photoemission signals from the combustion intermediates C, C2, CH, CN increase with the increasing number of carbons in the fuel molecules, and the signal ratios between the intermediates (CH/C, CH/C2, CN/C, CH/C2, CN/CH) are different for different alkanol combustion flames. Our observation provides a way for sensing multiple combustion components by femtosecond filament excitation in various combustion conditions that strongly depend on the fuel species.

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 enseignants0,201
Score d'incertitude au seuil0,393

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 Opus0,010
Tête enseignante GPT0,267
Écart entre enseignants0,256 · 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

Citations24
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetLaser-Matter Interactions and ApplicationsTravaux en français237 207