MétaCan
Menu
Retour à la cohorte
Enregistrement W2586681018 · doi:10.1039/c6cp07011f

How persistent microbubbles shield nanoparticle productivity in laser synthesis of colloids – quantification of their volume, dwell dynamics, and gas composition

2017· article· en· W2586681018 sur OpenAlexaff
Mark‐Robert Kalus, Niko Bärsch, René Streubel, Emine Canbay Gokce, Stephan Barcikowski, Bilal Gökce

Notice bibliographique

RevuePhysical Chemistry Chemical Physics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensInstitute of Particle Physics
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésNanoparticleMicrobubblesDwell timeMaterials scienceBubbleDispersityLaserLaser ablationChemical physicsMicrosecondColloidCavitationFluenceChemical engineeringLaser ablation synthesis in solutionAnalytical Chemistry (journal)NanotechnologyChemistryOpticsChromatographyMechanicsLaser power scalingUltrasound

Résumé

récupéré en direct d'OpenAlex

During laser synthesis of colloids, cavitation bubbles with lifetimes in the microsecond-scale form and shield the laser pulse leading to a decrease in nanoparticle output. A second type of productivity-limiting bubble that severely affects the productivity of the process is often neglected. With lifetimes from milliseconds to seconds, these persistent bubbles are systematically studied in this work by quantifying their composition, amount, size and dwell time in liquids with different viscosities and by relating the results to the nanoparticle productivities. It is found that during synthesis in water, water splitting occurs leading to persistent bubbles consisting of hydrogen and oxygen. In glycols, hydrogen and molecular carbon species containing microbubbles are formed. These persistent microbubbles shield up to 65% of the incoming laser beam depending on the liquid as well as the laser fluence and require attention by means of reducing their dwell time in the ablation zone and enhancing the nanoparticle output by liquid flow. The highest productivities and monodisperse quality are achieved in liquids with the lowest viscosities.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,193 · 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'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

Citations107
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Chemistry Chemical PhysicsMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207