Particelle di cellulosa come nuclei di ghiacciamento in nube
Bibliographic record
Abstract
La formazione del ghiaccio nelle nubi avviene prevalentemente per nucleazione eterogenea, grazie alla presenza di nuclei di ghiacciamento (Ice Nucleating Particles, INP), ovvero particelle di aerosol (prevalentemente polveri minerali) in grado di favorire la solidificazione di una gocciolina o il passaggio diretto dalla fase vapore alla fase ghiaccio. Recentemente, l'interesse si è esteso anche all'aerosol di tipo biologico (funghi, spore, etc.), in grado di agire come INP a temperature più elevate rispetto all'aerosol minerale. \nIl lavoro sperimentale di questa tesi, svolto presso il laboratorio del gruppo Nubi e Precipitazioni dell’ISAC-CNR di Bologna, ha avuto come obiettivo lo studio della capacità della cellulosa di agire come INP. Esso si inserisce in un’attività di ricerca internazionale dedicata allo studio degli INP (progetto Ice NUclei research unIT, INUIT, Germania). \nIl lavoro sperimentale ha riguardato la messa a punto di due diversi sistemi di generazione dell'aerosol di cellulosa, la caratterizzazione dimensionale delle particelle, la loro osservazione al microscopio elettronico e la preparazione dei filtri per le misure di INP. I risultati ottenuti hanno evidenziato che le proprietà nucleanti della cellulosa sono inferiori rispetto alle polveri minerali ma paragonabili ad altri materiali, come la cenere vulcania e l'aerosol marino. Quindi, in aree ricche di vegetazione o dove le polveri minerali non sono abbondanti, la cellulosa potrebbe costituire un importante materiale per la formazione del ghiaccio nelle nubi miste. Misure preliminari hanno evidenziato come le particelle di cellulosa con dimensioni inferiori a 0,5μm risultano meno attive nella nucleazione del ghiaccio rispetto a quelle di dimensioni maggiori. I risultati ottenuti sono stati presentati al Congresso PM2016 (Roma, 17-19 maggio 2016) e saranno presentati in un poster alla prossima European Aerosol Conference (Tours, Francia, 4-6 settembre 2016).
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| 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 | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
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 teacher head, 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".