New insights in aerosol science using optical and digital holographic microscopy: from nanoaerosols to cloud droplets
Notice bibliographique
Résumé
La plupart des aérosols atmosphériques sont trop petits pour être vus à l'œil nu, mais leur impact sur la santé et le climat est immense. L'Organisation mondiale de la santé et le Groupe d'experts intergouvernemental sur l'évolution du climat désignent ainsi l'étude détaillée des aérosols atmosphériques comme étant une priorité de recherche. Pour comprendre l'impact des aérosols sur le climat mondial, la santé des populations et la chimie de l'atmosphère, nous devons comprendre les caractéristiques physiques et chimiques des aérosols. Il s'agit notamment de la distributions des tailles d’aérosols dans l'espace tridimensionnel (3D), de la dynamique des aérosols, ainsi que de la forme, de la phase, de la surface et de la composition chimique des aérosols. Il existe plusieurs techniques pour analyser les propriétés physiques et chimiques des aérosols, notamment la taille et le nombre d’aérosols en temps réel, à l'aide de techniques de mobilité optique et électrique, de microscopie optique et électronique et de spectrométrie de masse. Cependant, ces techniques traditionnelles apportent une connaissance limitée de la distribution de la taille des particules d'aérosols dans l'espace 3D, de leur orientation, de leur forme, et de leur phase. Cette thèse vise à développer des techniques servant à mesurer les propriétés physico-chimiques 3D complètes des aérosols en temps réel, et qui peuvent fonctionner dans des conditions climatiques froides et chaudes. Nous développo un système de microscopie holographique numérique en ligne (Nano-DIHM), une nouvelle approche pour étudier la distribution de taille 3D, l'orientation 3D, la phase, la rugosité et la forme des particules en suspension dans l'air, à des échelles spatiales de l’ordre du nanomètre au millimètre, et avec une résolution temporelle de l'ordre de la milliseconde. Les résultats obtenus par le Nano-DIHM sont validés à l'aide de différentes méthodes, incluant la microscopie électronique à haute résolution. Pour répondre aux besoins pressants de la recherche sur les bioaérosols infectieux, nous testons la configuration du Nano-DIHM pour les virus bactériophages MS2 et SARS-CoV-2, ainsi que leur interaction avec une série de métaux et de molécules organiques dans l'air et l'eau. Nous développo un algorithme pour reconstruire les holographiques, ce qui nous permet d'utiliser le Nano-DIHM pour mesurer avec succès et distinguer automatiquement les aérosols de SARS-CoV-2 dans des échantillons d'aérosols biologiques mixtes. Enfin, nous combinons le nouveau système de détection optique (Nano-DIHM) à la nouvelle chambre de nucléation de glace de McGill (MRINC). Ce système permet de recréer les processus de nucléation de glace qui ont lieu dans l'atmosphère et permet d'observer les cristaux de glace, les gouttelettes d'eau en surfusion et d'autres aérosols., d'environ 0 °C à -38 °C.Cette thèse propose une avancée fondamentale de la science des aérosols en introduisant une nouvelle technique analytique pour mesurer les propriétés physicochimiques 3D des nanoparticules et des fines particules d'aérosols. Le Nano-DIHM a le potentiel de contribuer à des percées dans la compréhension des caractéristiques physico-chimiques des aérosols, qui ne peuvent pas être réalisées avec les techniques analytiques existantes, par exemple, les mesures en temps réel de la taille, de la forme, de la surface et de la rugosité des aérosols en 3D. Toutes ces propriétés des aérosols atmosphériques ont un impact direct sur la formation des nuages et, par conséquent, sur le changement climatique. Les nouvelles données générées par le Nano-DIHM sont des informations essentielles pour les études sur la santé, en déterminant les caractéristiques de surface des aérosols.La compréhension de propriétés supplémentaires des aérosols à l'aide du Nano-DIHM aidera à prévoir les phénomènes atmosphériques avec plus de précision dans le contexte d'une augmentation des quantités d'aérosols émis par des sources anthropiques
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».