Solar Wind Ion Sputtering of Sodium from Silicates Using Molecular Dynamics Calculations of Surface Binding Energies
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 For nearly 40 yr, studies of exosphere formation on airless bodies have been hindered by uncertainties in our understanding of the underlying ion collisional sputtering by the solar wind (SW). These ion impacts on airless bodies play an important role in altering their surface properties and surrounding environment. Much of the collisional sputtering data needed for exosphere studies come from binary collision approximation (BCA) sputtering models. These depend on the surface binding energy (SBE) for the atoms sputtered from the impacted material. However, the SBE is not reliably known for many materials important for planetary science, such as plagioclase feldspars and sodium pyroxenes. BCA models typically approximate the SBE using the cohesive energy for a monoelemental solid. We use molecular dynamics (MD) to provide the first accurate SBE data we are aware of for Na sputtered from the above silicate minerals, which are expected to be important for exospheric formation at Mercury and the Moon. The MD SBE values are ∼8 times larger than the Na monoelemental cohesive energy. This has a significant effect on the predicted SW ion sputtering yield and energy distribution of Na and the formation of the corresponding Na exosphere. We also find that the SBE is correlated with the coordination number of the Na atoms within the substrate and with the cohesive energy of the Na-bearing silicate. Our MD SBE results will enable more accurate BCA predictions for the SW ion sputtering contribution to the Na exosphere of Mercury and the Moon.
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