X‐ray microanalysis of porous materials using Monte Carlo simulations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quantitative X-ray microanalysis models, such as ZAF or φ(ρz) methods, are normally based on solid, flat-polished specimens. This limits their use in various domains where porous materials are studied, such as powder metallurgy, catalysts, foams, etc. Previous experimental studies have shown that an increase in porosity leads to a deficit in X-ray emission for various materials, such as graphite, Cr(2) O(3) , CuO, ZnS (Ichinokawa et al., '69), Al(2) O(3) , and Ag (Lakis et al., '92). However, the mechanisms responsible for this decrease are unclear. The porosity by itself does not explain the loss in intensity, other mechanisms have therefore been proposed, such as extra energy loss by the diffusion of electrons by surface plasmons generated at the pores-solid interfaces, surface roughness, extra charging at the pores-solid interface, or carbon diffusion in the pores. However, the exact mechanism is still unclear. In order to better understand the effects of porosity on quantitative microanalysis, a new approach using Monte Carlo simulations was developed by Gauvin (2005) using a constant pore size. In this new study, the X-ray emissions model was modified to include a random log normal distribution of pores size in the simulated materials. This article presents, after a literature review of the previous works performed about X-ray microanalysis of porous materials, some of the results obtained with Gauvin's modified model. They are then compared with experimental results.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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