A novel inversion method to determine the mass distribution of non-refractory coatings on refractory black carbon using a centrifugal particle mass analyzer and single particle soot photometer
Notice bibliographique
Résumé
A novel inversion method is presented, which derives the two-variable number distribution for black carbon aerosol, using a coupled centrifugal particle mass analyzer (CPMA) and single particle soot photometer (SP2). The CPMA classifies all particles by their mass-to-charge ratio, and the SP2 detects the mass of refractive black carbon (rBC) in each individual particle. The results of the inversion are the simultaneous number distributions of both rBC mass and total particle mass. Using the distribution, the coating distribution on a population of rBC particles can be identified visually. Furthermore, the distribution can be integrated to find one-variable mass and number concentration distributions as a function of total or rBC particle mass. These capabilities were demonstrated via smog chamber experiments, where an organic (non-rBC) coating was grown onto uncoated rBC aerosol over several hours via photo-oxidation of p-xylene. The particle distributions were constructed using the inversion over a range of 1–60 fg of total particle mass. As the non-rBC coating thickness increased over time, a shift in the number distribution toward higher total mass was observed. At the end of the experiment, uncoated rBC was injected into the chamber, and the distribution was clearly resolved using the inversion. The CPMA-SP2 method offers several advantages over “SP-2 only” methods, namely, (i) coating mass information can be obtained over a wider range of total particle mass, (ii) total particle mass is measured directly, and (iii) it does not make core–shell morphology assumptions.Copyright © 2018 American Association for Aerosol Research
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».