MétaCan
Menu
Retour à la cohorte
Enregistrement W4389751923 · doi:10.20944/preprints202312.0839.v1

Efficient Waste Management via Tuning Plasma Properties in Radio Frequency Inductively Coupled Plasma

2023· preprint· en· W4389751923 sur OpenAlexaff
Mustafa A. Aldeeb, Sharif Abu Darda, Vahid Damideh, Isaac Hassen, Hossam A. Gabbar

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiquePlasma Diagnostics and Applications
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésInductively coupled plasmaPlasmaArgonRadio frequencyVolumetric flow ratePlasma torchPlasma cleaningInductively coupled plasma atomic emission spectroscopyAtmospheric pressurePlasma parametersElectron temperatureAtmospheric-pressure plasmaMaterials scienceHeat fluxEnthalpyAtomic physicsAnalytical Chemistry (journal)ChemistryHeat transferThermodynamicsPhysicsEnvironmental chemistryMeteorologyNuclear physicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In the last ten years, plasma waste treatment has gained increasing prominence as a technology in response to growing challenges in waste disposal and the recognition of opportunities for generating valuable by-products. The efficiency and outcomes of this process are intricately linked to the characteristics of the plasma involved, such as plasma enthalpy and heat flux. We employed an experimental radio frequency inductively coupled plasma (RF-ICP) torch operating at atmospheric pressure to generate plasma. Utilizing optical emission spectroscopy (OES), we measured plasma parameters, specifically the effective electron temperature (Teff) and plasma density (ne), while varying argon gas flow rates and RF powers. Our investigations revealed that both flow rate and RF power exert significant control over plasma parameters, and we observed an unusual phenomenon within this range of discharge pressures. Consequently, both the plasma's enthalpy and the heat flux it generates are influenced by variations in both flow rate and RF power.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,091
Tête enseignante GPT0,273
Écart entre enseignants0,182 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetPlasma Diagnostics and ApplicationsTravaux en français237 207