MétaCan
Menu
Retour à la cohorte
Enregistrement W4411223653 · doi:10.1007/s00340-025-08504-0

Laser-induced incandescence of iron nanoparticles: effects of laser-induced sintering and coalescence

2025· article· en· W4411223653 sur OpenAlexafffund
S. Robinson-Enebeli, Christof Schulz, Kyle J. Daun

Notice bibliographique

RevueApplied Physics B · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversität Duisburg-EssenDeutsche Forschungsgemeinschaft
Mots-clésMaterials scienceIncandescenceLaserNanoparticleCoalescence (physics)Absorption (acoustics)FluenceWavelengthAbsorption cross sectionSPHERESOpticsMolecular physicsAnalytical Chemistry (journal)OptoelectronicsCross section (physics)NanotechnologyComposite materialSootChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

While time-resolved laser-induced incandescence is a promising technique for characterizing metal nanoparticles in the gas phase, there remain several commonly observed and unexplained features in the data, including larger-than-predicted absorption cross-sections (excessive absorption) and faster-than-predicted cooling rates immediately following peak emission (apparent anomalous cooling). In the case of low melting point metals such as iron, laser-heated aggregates coalesce into spheres (i.e., fully sinter) before the peak of the LII signal is reached. Coalescence may affect the observed TiRe-LII signals in two ways: (i) the transition from aggregates to spheres reduces the absorption cross-section, which affects both the total absorbed laser energy and the intensity of the emitted incandescence in a wavelength-dependent manner; and (ii) surface energy is converted into sensible energy of the nanoparticles, which increases their peak temperature. While the revised LII model does not completely account for the rapid signal decay immediately following the peak signal, the predicted curves align more closely with the measured intensities from coalesced particles during the later cooling times. Supplementary Information: The online version contains supplementary material available at 10.1007/s00340-025-08504-0.

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 enseignants0,030
Score d'incertitude au seuil0,831

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physics BMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207