MétaCan
Menu
Retour à la cohorte
Enregistrement W1883796398 · doi:10.1063/1.4921409

Accelerated nanoscale magnetic resonance imaging through phase multiplexing

2015· article· en· W1883796398 sur OpenAlexfundno aff
B. A. Moores, Ye Tao, Hiroki Takahashi, P. Navaretti, Christian L. Degen

Notice bibliographique

RevueApplied Physics Letters · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiamond and Carbon-based Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Research CouncilCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésMagnetic resonance force microscopyMagnetic resonance imagingNanoscopic scaleMagnetic resonance microscopyMultiplexingDetectorPhase (matter)Nuclear magnetic resonanceImage resolutionMaterials sciencePhase imagingMicroscopyOpticsSpin echoPhysicsMagnetic fieldNanotechnologyFerromagnetic resonanceComputer scienceMagnetization

Résumé

récupéré en direct d'OpenAlex

We report a method for accelerated nanoscale nuclear magnetic resonance imaging by detecting several signals in parallel. Our technique relies on phase multiplexing, where the signals from different nuclear spin ensembles are encoded in the phase of an ultrasensitive magnetic detector. We demonstrate this technique by simultaneously acquiring statistically polarized spin signals from two different nuclear species (1H, 19F) and from up to six spatial locations in a nanowire test sample using a magnetic resonance force microscope. We obtain one-dimensional imaging resolution better than 5 nm, and subnanometer positional accuracy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,041
Tête enseignante GPT0,295
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetDiamond and Carbon-based Materials ResearchTravaux en français237 207