Nebulization of colloidal suspensions for the deposition of nanocomposite thin film by atmospheric pressure townsend discharge
Bibliographic record
Abstract
Ce travail de thèse porte sur le développement de nouvelles couches minces nanocomposites par plasma froid à la pression atmosphérique. L'objectif principal est d'améliorer la compréhension des mécanismes physico-chimiques régissant ce procédé de synthèse. La stratégie adoptée est basée sur l'injection via un aérosol d'une suspension colloïdale de nanoparticules d'oxyde métallique dans une décharge à barrière diélectrique opérant en atmosphère d'azote (décharge de Townsend). Dans un premier temps, la synthèse est réalisée de manière séquentielle, la fabrication d'une matrice inorganique de silice (SiO2) étant séparée du dépôt des nanoparticules (TiO2). Ensuite, les couches nanocomposites sont obtenues par un procédé en une seule étape à travers l'injection simultanée dans la décharge des nanoparticules et d'un précurseur polymérisable organosiliciée (HMDSO). Les travaux présentés dans ce manuscrit se divisent en quatre grandes parties : tout d'abord le procédé de fabrication des nanoparticules est présenté, et une étude de leur dispersion dans divers solvants chimiques est réalisée. Puis la deuxième partie s'intéresse à l'étape de nébulisation de la suspension colloïdale, à l'analyse des distributions de taille des objets injectés et à l'étude de leur transport sans plasma. En particulier, une étude de l'influence des principales forces agissant sur leur transport est réalisée. Ces résultats permettent ensuite d'évaluer l'impact de la décharge sur le transport, et sur la réalisation des couches minces nanocomposites. Finalement, l'analyse des propriétés obtenues pour ces couches minces sur des substrats de bois est présentée dans une dernière partie.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| 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) | 0.001 | 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".