X-ray Coherent Diffractive Imaging of Large Helium Nanodroplets Doped with Small Molecules
Notice bibliographique
Résumé
We report the first X-ray coherent diffractive imaging experiment on molecule-doped helium nanodroplets. It complements previous work, where we reported single-shot X-ray coherent diffractive imaging studies of Xe dopant clusters formed in 4 He and 3 He droplets. These noble gas clusters were used to visualize the impact of rotational excitation of the droplets on the spatial distribution of atomic dopants within the droplets, and to study the differences and connections between quantum and classical droplet rotational motion. Here, we expand our studies to the molecular dopants CF 4, CHF 3, CH 3 CN, and SF 6, imaged with 1.5 keV photons. We find multiple Bragg spots in the diffraction patterns of molecule-doped droplets with radii of approximately 600 nm, which provide evidence that molecules form elongated clusters with preferential alignment along the angular momentum axis of the 4 He droplets, in agreement with our previous results on the aggregation of Xe clusters on quantum vortices. Real-space reconstructions of molecular dopant cluster density profiles are obtained for droplets with smaller radii of approximately 300 nm. The diffuse images suggest the formation of low-density, potentially porous, molecular clusters upon aggregation at T = 0.4 K in 4 He droplets. In the normal fluid 3 He droplets, molecules aggregate into loose clusters on the droplets’ equator, similar to previous observations for Xe atoms. Time-of-flight mass spectra reveal that the doped helium nanodroplet moieties fragment extensively into constituent atomic ions, producing only a small fraction of molecular fragment ions. The findings are discussed in the context of previously proposed schemes to use He droplets as potential tamper materials for ultrafast X-ray imaging experiments.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».