MétaCan
Menu
Retour à la cohorte
Enregistrement W4391518645 · doi:10.1021/acs.langmuir.3c03176

Handling Nanoparticle Content in Nanocomposite Thin Films Deposited by Misty Plasma Processes through Controlled Flash Boiling Atomization

2024· article· en· W4391518645 sur OpenAlexafffund
Simon Chouteau, Luc Stafford, A. Granier, A. Goullet, Mireille Richard‐Plouet

Notice bibliographique

RevueLangmuir · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNanomaterials and Printing Technologies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesUniversité de NantesUniversité de MontréalCentre National de la Recherche Scientifique
Mots-clésNanoparticleEvaporationNanocompositeMaterials scienceChemical engineeringFlash evaporationBoilingDeposition (geology)NanotechnologySubstrate (aquarium)PlasmaNanofluidThin filmColloidChemistryChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Misty plasma processes based on colloidal solutions sprayed into low-pressure plasmas have recently shown great potential for multifunctional thin film deposition. In such processes, nanoparticle accumulation in ring-shaped structures remains the main obstacle to the synthesis of high-quality coatings containing abundant, small-scale, and evenly dispersed nanoparticles. These local buildups appear after a colloidal droplet evaporates from a substrate. Accordingly, controlling the droplets' size in the spray is of key importance to ensure a uniform nanoparticle content in the plasma-deposited nanocomposite film. In this work, it is shown that the use of more volatile solvents produces finer droplets on the substrate, thereby improving nanoparticle dispersion in the matrix. A one-dimensional evaporation model is further developed and used to show that, contrary to what one might expect, this result cannot be attributed to faster evaporation during droplet transport in the low-pressure plasma. Instead, a so-called "flash" boiling atomization mechanism is discussed to support the experimental findings.

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 enseignants0,126
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,202 · 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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetNanomaterials and Printing TechnologiesTravaux en français237 207