Process design for gas-phase synthesis of iron nanoparticles from iron pentacarbonyl
Notice bibliographique
Résumé
Gas-phase synthesis of iron nanoparticles (Fe NPs) by thermal decomposition of iron pentacarbonyl, Fe ( CO ) 5 , is simulated using a simple particle dynamics model coupled with gas-phase chemistry. The performance of a detailed chemical kinetics model for the decomposition of Fe ( CO ) 5 is compared with that of a global decomposition rate. The particle dynamics model interfaces with gas-phase chemistry through particle inception and surface growth. Using the size-dependent melting temperature of primary particles (PP), the available characteristic sintering time, τ s , for Fe NPs is modified and its performance in predicting PP diameter, d p , is benchmarked with literature data. The modified τ s significantly enhances the prediction of d p and agglomerate morphology, highlighting the importance of sintering during high temperature synthesis of Fe NPs. Diagrams for the degree of hard-agglomeration are developed in terms of the reactor initial precursor concentration, maximum temperature, cooling rate, and particle residence time. The results of the PP size of Fe agglomerates are compared with TEM measurements available in the literature for the synthesis of Fe NPs. The model predictions are in good agreement with the measured d p and concentration of Fe NPs produced by thermal decomposition of Fe ( CO ) 5 .
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 | 0,001 |
| 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 | 0,001 |
| 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 ».