Net Electron Capture in Collisions of Multiply Charged Projectiles with Biologically Relevant Molecules
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
A model for the description of proton collisions from molecules composed of atoms such as hydrogen, carbon, nitrogen, oxygen and phosphorus (H, C, N, O, P) was recently extended to treat collisions with multiply charged ions with a focus on net ionization. Here we complement the work by focusing on net capture. The ion–atom collisions are computed using the two-center basis generator method. The atomic net capture cross sections are then used to assemble two models for ion–molecule collisions: An independent atom model (IAM) based on the Bragg additivity rule (labeled IAM-AR), and also the so-called pixel-counting method (IAM-PCM) which introduces dependence on the orientation of the molecule during impact. The IAM-PCM leads to significantly reduced capture cross sections relative to IAM-AR at low energies, since it takes into account the overlap of effective atomic cross sectional areas. We compare our results with available experimental and other theoretical data focusing on water vapor (H2O), methane (CH4) and uracil (C4H4N2O2). For the water molecule target we also provide results from a classical-trajectory Monte Carlo approach that includes dynamical screening effects on projectile and target. For small molecules dominated by a many-electron atom, such as carbon in methane or oxygen in water, we find a saturation phenomenon for higher projectile charges (q=3) and low energies, where the net capture cross section for the molecule is dominated by the net cross section for the many-electron atom, and the net capture cross section is not proportional to the total number of valence electrons.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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