Feasibility of online optical diagnostics during gas-phase synthesis of few-layer graphene based on elastic light scattering measurements
Notice bibliographique
Résumé
Gas-phase synthesis is a promising method for scalable production of high-quality free-standing few-layer graphene (FLG) particles. This study assesses the feasibility of elastic light scattering in characterizing particle morphology and distinguishing FLG from soot-like particles that may also be produced concurrently during gas-phase synthesis. FLG particle morphology is modeled based on tomographic electron microscopy images of FLG particles produced within a plasma reactor, whereas synthetic soot particles are generated via a cluster–cluster aggregation algorithm based on morphological parameters typical of flame soot. Light scattering properties of ensembles of synthetic FLG and soot particles are simulated via the discrete dipole approximation (DDA) and the multi-sphere T-matrix method, respectively. Angle-resolved scattering properties of ensembles of FLG and soot particles are analyzed to evaluate the feasibility of scattering-based diagnostics and identify potential measurement configurations for characterizing particle morphology. Overall, certain scattering properties, especially the depolarization ratio, are observed to be sensitive to the distinctive morphological aspects of FLG and soot, which highlights the promise of light scattering-based diagnostics for characterizing morphology during gas-phase synthesis of FLG. • Application-relevant functionality of few-layer graphene (FLG) depends on morphology. • Soot-like particles and crumpled FLG exhibit distinctive scattering behaviors. • Scattering can distinguish FLG from soot based on a single detection angle. • Depolarization ratio is potent in characterizing morphology of crumpled FLG.
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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».