MétaCan
Menu
Retour à la cohorte
Enregistrement W2488528762 · doi:10.1088/0963-0252/25/5/053002

Plasma–liquid interactions: a review and roadmap

2016· review· en· W2488528762 sur OpenAlexaff
Peter Bruggeman, Mark J. Kushner, Bruce R. Locke, Han Gardeniers, W. G. Graham, David B. Graves, C.H.M. Hofman-Caris, Dragana Marić, Jonathan P. Reid, Elisa Ceriani, David Fernández Rivas, John E. Foster, S C Garrick, Yury Gorbanev, Satoshi Hamaguchi, Felipe Iza, Helena Jablonowski, Edita J. Klimova, Juergen F. Kolb, František Krčma, Petr Lukeš, Zdenko Machala, Iuri Marinov, Davide Mariotti, Selma Mededovic Thagard, Daisuke Minakata, Erik C. Neyts, Joanna Pawłat, Zoran Petrović, Rachel Pflieger, Stephan Reuter, D.C. Schram, S Schröter, Manabu Shiraiwa, Barbora Tarabová, P A Tsai, Jan R. R. Verlet, Thomas von Woedtke, K. Wilson, Kyuichi Yasui, G. N. Zvereva

Notice bibliographique

RevuePlasma Sources Science and Technology · 2016
Typereview
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesDivision of PhysicsNational Science FoundationUniversiteit LeidenDivision of Chemical, Bioengineering, Environmental, and Transport SystemsEuropean Cooperation in Science and TechnologyFusion Energy SciencesUniversity of MinnesotaU.S. Department of Energy
Mots-clésPlasmaMultidisciplinary approachPlasma chemistryNanotechnologyChemistryComputer scienceAerospace engineeringBiochemical engineeringMaterials sciencePhysicsEngineeringNuclear physicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Plasma–liquid interactions represent a growing interdisciplinary area of research involving plasma science, fluid dynamics, heat and mass transfer, photolysis, multiphase chemistry and aerosol science. This review provides an assessment of the state-of-the-art of this multidisciplinary area and identifies the key research challenges. The developments in diagnostics, modeling and further extensions of cross section and reaction rate databases that are necessary to address these challenges are discussed. The review focusses on non-equilibrium plasmas.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,029
Tête enseignante GPT0,339
Écart entre enseignants0,310 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 648
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlasma Sources Science and TechnologyMême sujetPlasma Applications and DiagnosticsTravaux en français237 207