MétaCan
Menu
Back to cohort
Record W7162010566 · doi:10.82308/2788

New insights in aerosol science using optical and digital holographic microscopy: from nanoaerosols to cloud droplets

2023· dissertation· en· W7162010566 on OpenAlexaboutno aff
Devendra Pal

Bibliographic record

Venuenot available
Typedissertation
Languageen
FieldPhysics and Astronomy
TopicDigital Holography and Microscopy
Canadian institutionsnot available
Fundersnot available
KeywordsGranulometryReflectivityReflectometry

Abstract

fetched live from OpenAlex

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

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.008

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.001
Science and technology studies0.0000.001
Scholarly communication0.0020.003
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.001

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.

Opus teacher head0.011
GPT teacher head0.285
Teacher spread0.274 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicDigital Holography and MicroscopyFrench-language works237,207