MétaCan
Menu
Retour à la cohorte
Enregistrement W4213416983 · doi:10.1080/02786826.2022.2030463

Development and testing of a universal aerosol conditioner

2022· article· en· W4213416983 sur OpenAlexafffund
Kerry Chen, Robert T. Nishida, Charles Robert Koch, Jason S. Olfert

Notice bibliographique

RevueAerosol Science and Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAerosolParticle (ecology)MechanicsChemistryDilutionVolumetric flow rateGas phaseMeteorologyThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

A general purpose aerosol conditioning device called the Universal Aerosol Conditioner (UAC) has been designed and tested. The device may be used to condition an aerosol in multiple ways: dilute the entire aerosol (gas- and particle-phase), dilute only a gas-phase component of the aerosol without diluting the particle concentration, denude the aerosol by removing semi-volatile material from the particle phase, and humidify or dehumidify an aerosol. The UAC accomplishes these processes by bringing the aerosol into contact with sheath air and allowing enough time for gas-phase components of the aerosol to diffuse into the sheath flow. A model was developed to assess the theoretical performance of the UAC and was solved numerically. From the model it was determined that two parameters dictated the rate of diffusion between the two flows: the Péclet number and the ratio of sheath-to-aerosol flow rates. A prototype was designed and built and the theory of operation was experimentally validated by measuring the particle penetration efficiency and the gas dilution factor at various particle sizes and flow conditions. The results showed that at low aerosol and sheath flows, the prototype behaved closely to the theoretical model but diverged from the theory once the sheath flows were increased, presumably due to mixing between the two flows.Copyright © 2022 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 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 enseignants0,248
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,210
Écart entre enseignants0,197 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAerosol Science and TechnologyMême sujetParticle Dynamics in Fluid FlowsTravaux en français237 207