MétaCan
Menu
Retour à la cohorte
Enregistrement W6959663851 · doi:10.1163/156856108x39

REMOVING 20 NM PARTICLES USING A SUPERSONIC ARGON PARTICLE BEAM GENERATED WITH A CONTOURED LAVAL NOZZLE

2016· article· en· W6959663851 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Access System for Information Sharing (Pohang University of Science and Technology) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueParticle Dynamics in Fluid Flows
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleParticle (ecology)Beam (structure)Particle beamParticle sizeSupersonic speedStagnation pressure

Résumé

récupéré en direct d'OpenAlex

A cryogenic particle beam is an effective means of removing nano-sized contaminant particles, but the particle beam generated with a simple-hole nozzle has not been successful in removing particles smaller than 30 nm. Based on molecular dynamics (MD) simulation results that smaller cryogenic particles moving at a higher velocity are more effective in removing contaminant particles in the 10 nm range, a contoured Laval nozzle of a particular expansion angle and length was used in this study, instead of the simple-hole nozzle, to generate particle beams of high intensity and controlled size moving at high velocities. A variety of particle size and velocity were obtained by controlling the stagnation pressure/temperature and the back pressure, and using Laval nozzles with differing throat sizes and expansion angles. The new particle beams could remove almost completely a variety of ceramic and Cu particles, down to 20 nm size range, on a flat surface or in trenches. (C) Koninklijke Brill NV, Leiden, 2009

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,006
Science ouverte0,0010,000
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 Opus0,028
Tête enseignante GPT0,252
Écart entre enseignants0,224 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Access System for Information Sharing (Pohang University of Science and Technology)Même sujetParticle Dynamics in Fluid FlowsTravaux en français237 207