Počet záznamů: 1  

ANN-LIBS analysis of mixture plasmas: detection of xenon

  1. 1.
    SYSNO ASEP0559890
    Druh ASEPJ - Článek v odborném periodiku
    Zařazení RIVJ - Článek v odborném periodiku
    Poddruh JČlánek ve WOS
    NázevANN-LIBS analysis of mixture plasmas: detection of xenon
    Tvůrce(i) Saeidfirozeh, Homa (UFCH-W) ORCID, RID
    Myakalwar, A. K. (CL)
    Kubelík, Petr (UFCH-W) RID, ORCID
    Ghaderi, A. (CA)
    Laitl, Vojtěch (UFCH-W) ORCID
    Petera, Lukáš (UFCH-W) ORCID
    Rimmer, P. B. (GB)
    Shorttle, O. (GB)
    Heays, Alan (UFCH-W) ORCID, RID, SAI
    Křivková, Anna (UFCH-W) ORCID
    Krůs, Miroslav (UFP-V) RID
    Civiš, Svatopluk (UFCH-W) RID, ORCID, SAI
    Yanez, J. (CL)
    Kepes, E. (CZ)
    Pořízka, P. (CZ)
    Ferus, Martin (UFCH-W) ORCID, RID
    Zdroj.dok.Journal of Analytical Atomic Spectrometry. - : Royal Society of Chemistry - ISSN 0267-9477
    Roč. 37, č. 9 (2022), s. 1815-1823
    Poč.str.9 s.
    Jazyk dok.eng - angličtina
    Země vyd.GB - Velká Británie
    Klíč. slovaANN-LIBS analysis ; xenon ; planetary processes
    Vědní obor RIVCF - Fyzikální chemie a teoretická chemie
    Obor OECDPhysical chemistry
    Vědní obor RIV – spolupráceÚstav fyziky plazmatu - Fyzika plazmatu a výboje v plynech
    CEPGA21-11366S GA ČR - Grantová agentura ČR
    EF16_019/0000778 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy
    Způsob publikováníOmezený přístup
    Institucionální podporaUFCH-W - RVO:61388955 ; UFP-V - RVO:61389021
    UT WOS000826342300001
    EID SCOPUS85134913156
    DOI10.1039/d2ja00132b
    AnotaceWe developed an artificial neural network method for characterising crucial physical plasma parameters (i.e., temperature, electron density, and abundance ratios of ionisation states) in a fast and precise manner that mitigates common issues arising in evaluation of laser-induced breakdown spectra. The neural network was trained on a set of laser-induced breakdown spectra of xenon, a particularly physically and geochemically intriguing noble gas. The artificial neural network results were subsequently compared to a standard local thermodynamic equilibrium model. Speciation analysis of Xe was performed in a model atmosphere, mimicking gaseous systems relevant for tracing noble gases in geochemistry. The results demonstrate a comprehensive method for geochemical analyses, particularly a new concept of Xe detection in geochemical systems with an order-of-magnitude speed enhancement and requiring minimal input information. The method can be used for determination of Xe plasma physical parameters in industrial as well as scientific applications.
    PracovištěÚstav fyzikální chemie J.Heyrovského
    KontaktMichaela Knapová, michaela.knapova@jh-inst.cas.cz, Tel.: 266 053 196
    Rok sběru2023
    Elektronická adresahttps://hdl.handle.net/11104/0333017
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.