MétaCan
Menu
Retour à la cohorte
Enregistrement W2805651174 · doi:10.1364/ao.57.004601

Determining the size and refractive index of homogeneous spherical aerosol particles using Mie resonance spectroscopy

2018· article· en· W2805651174 sur OpenAlexafffund
L. J. Nugent Lew, Michelle Ting, Thomas C. Preston

Notice bibliographique

RevueApplied Optics · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMie scatteringOpticsScatteringLight scatteringResonance (particle physics)Refractive indexRayleigh scatteringSpectroscopyMaterials scienceMultiangle light scatteringPhysicsAtomic physics

Résumé

récupéré en direct d'OpenAlex

Methods for determining the size and refractive index of single, homogeneous, micrometer-sized aerosol particles using Mie resonance spectroscopy are studied using measurements from optically trapped particles and light-scattering calculations based on Mie theory. We consider both single-particle broadband light scattering and cavity-enhanced Raman scattering (CERS) and demonstrate that, when resonances observed in either type of spectroscopy are fitted using Mie theory, the accuracy of the best fits are similar. However, broadband measurements can yield more resonances than CERS, thus reducing the uncertainty in the retrieved parameters of best fit and increasing the range of particles that can be characterized. Resonance fitting methods are also compared to methods that fit the entire Mie scattering spectrum. Through calculations, it is shown that measured scattering spectra are sensitive to small changes in how light is collected, while Mie resonance positions are much less sensitive. This means that additional parameters are required to accurately fit entire light-scattering spectra using Mie theory, but these parameters are not needed to accurately determine Mie resonance positions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,318
Score d'incertitude au seuil0,336

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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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

Citations23
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207