Microphysical detection of nano-ice nuclei to ice crystals: a platform for ice nucleation research
Notice bibliographique
Résumé
Atmospheric ice nucleation plays a crucial role in cloud formation, precipitation, and climate dynamics. However, the physicochemical properties of submicron ice nucleating particles (INPs) remain poorly understood, and distinguishing between nano- to micron-sized ice crystals and supercooled droplets in cloud microphysical processes remains a significant challenge. Here, we present the first detection of nano-sized ice crystals (390 nm) along with their physical properties using a portable platform for ice nucleation that integrates the McGill Real-time Ice Nucleation Chamber (MRINC) with advanced holographic microscopy and aerosol sizers. This platform enables real-time detection and differentiation of ice crystals and supercooled droplets, providing microphysical information into their spherical or non-spherical morphology, surface roughness, and phase characteristics, particularly for ice particles smaller than 500 nm. Automated algorithms facilitate the differentiation of individual and aggregated ice crystals within a size range of 390 nm to 100 µm, supporting time-resolved analyses of ice nucleation processes. Surface roughness (Rt, Ra) measurements and 3D structural data offer critical insights into light scattering and radiation interactions, with smaller ice crystals (<1 µm) exhibiting higher roughness and enhanced multidirectional scattering. Validation through computational fluid dynamics simulations and experiments demonstrates platform ability to differentiate silver iodide-nucleated ice crystals from supercooled droplets and to monitor aerosol growth, advancing our understanding of aerosol-cloud-radiation interactions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».