Multiparameter gas sensing with linear hyperspectral absorption tomography
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Hyperspectral absorption tomography (HAT) reconstructs the distribution of key gas parameters, including composition, pressure, and temperature, from multi-beam absorbance data with numerous spectral resolution elements. There is a nonlinear relationship between the parameters of interest and the spectral absorption coefficient, which must be incorporated into the tomography algorithm. Nonlinear HAT simultaneously reconstructs the composition and temperature of a gas by minimizing a single nonconvex objective function, which combines the light attenuation and spectroscopy models, using a metaheuristic technique. The time required for this computation depends, strongly, on the assumed heuristics, but the high computational cost limits the problem size and, hence, the obtainable spatial resolution. Conversely, linear HAT reconstructs the absorption coefficient for each measurement wavenumber, individually, exploiting the linear structure of the underlying tomography problem. Local spectra are then post-processed with a spectroscopic model to recover multiple parameters. The linear technique enables accurate reconstructions on a high-resolution grid by way of an established statistical imaging algorithm. Moreover, local spectra can be employed to gauge phenomena such as multi-species broadening and line mixing with a calibrated regression model. We simulate linear and nonlinear HAT and reconstruct experimental absorbance data using the former approach to demonstrate its superior performance. Nonlinear reconstructions required a 100-fold computational effort compared to linear HAT. In our experimental test, we reconstructed the mole fraction, pressure, and temperature of water vapor in a stagnation flow, which represents the first three-parameter laser absorption tomography experiment. Simulated and experimental results in our paper make a comprehensive case for linear HAT compared to the nonlinear method.
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle