Calcul de composition de plasmas thermiques d’arc électrique de mélanges d’air et de vapeur d’eau
Bibliographic record
Abstract
La composition de plasmas thermiques d’arcs électriques de mélanges d’air et de vapeur d’eau dans une gamme de température électronique allant de 5000 à 30 000 K est calculée pour des pressions de 1, 5 et 10 atm (1 atm = 101,325 kPa). Les plasmas étudiés étant considérés hors d’équilibre thermique, le calcul de la composition est effectué pour des déséquilibres thermiques θ = 1, 1,2 et 1,5 par deux méthodes de calcul à savoir celles de Chen et de Potapov. Le déséquilibre thermique θ est défini comme suit : θ = Te/Th où Te représente la température cinétique des électrons et Th celle des particules lourdes (molécules, atomes et ions). Les résultats obtenus sont analysés et discutés en fonction des méthodes de calcul utilisées, du déséquilibre thermique, de la pression et de la proportion initiale de la vapeur d’eau dans le mélange ayant donné naissance au plasma. L’influence de la méthode de calcul à deux températures, du déséquilibre thermique et de la pression sur la composition chimique des plasmas des mélanges étudiés est mise en évidence. Les résultats du calcul de la composition montrent en particulier que la densité numérique d’atomes d’hydrogène croît bien avec la proportion en vapeur d’eau dans le mélange.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".