MétaCan
Menu
Retour à la cohorte
Enregistrement W2917602732 · doi:10.1063/1.5083583

Microarcing-enhanced tungsten nano and micro-particles formation in low pressure high-density plasma

2019· article· en· W2917602732 sur OpenAlexaff
Karim Ouaras, G. Lombardi, Lénaïc Couëdel, C. Arnas, K. Hassouni

Notice bibliographique

RevuePhysics of Plasmas · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueDust and Plasma Wave Phenomena
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTungstenPlasmaGlow dischargeElectric arcSputteringArgonMaterials scienceNanoparticleAtomic physicsCathodeAnalytical Chemistry (journal)Scanning electron microscopePlasma parametersElectrodePhysicsNanotechnologyThin filmMetallurgyComposite materialChemistry

Résumé

récupéré en direct d'OpenAlex

In this article, tungsten dust formation kinetics in two distinct plasma regimes (glow and micro-arc-assisted glow discharge) are compared using the in situ time-resolved laser extinction method coupled to ex-situ Scanning Electron Microscopy analyses. This experimental study is carried out using low pressure/high density argon dual plasma that combines microwave and pulsed direct-current (tungsten cathode) discharges. Using this plasma system, we could access either to a sputtering glow regime (microarc-free) or to a micro-arcing assisted glow regime by tuning the direct-current voltage and the pulse frequency. On the one hand, in the sputtering glow regime, only dust nanoparticles with sizes ranging from 75 to 150 nm are produced with a low density of ∼1012 m−3. On the other hand, in the micro-arc-assisted glow regime, microparticles in the range of 1–5 μm are produced along with a strong enhancement of nanoparticle production with density up to ∼1014 m−3, and a broad size distribution ranging from ∼30 nm to 700 nm is observed. We show that micro-arcing not only results in micro-meter sized particles through melting/solidification but also strongly promotes the production of nanoparticles in the 100 nm size range.

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 enseignants0,060
Score d'incertitude au seuil0,772

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 Opus0,006
Tête enseignante GPT0,192
Écart entre enseignants0,186 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics of PlasmasMême sujetDust and Plasma Wave PhenomenaTravaux en français237 207