MétaCan
Menu
Retour à la cohorte
Enregistrement W1973990074 · doi:10.1002/sca.20169

Unusual secondary electron emission behavior in carbon nanotube forests

2009· article· en· W1973990074 sur OpenAlexafffund
Md. Kawsar Alam, Parham Yaghoobi, Alireza Nojeh

Notice bibliographique

RevueScanning · 2009
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBritish Columbia Knowledge Development FundNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésCarbon nanotubeNanotubeMaterials scienceElectronScanning electron microscopeNanomaterialsSecondary electronsRange (aeronautics)NanotechnologyPorosityComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Electron yield was measured from patterned carbon nanotube forests for a wide range of primary beam energies (400-20,000 eV). It was observed that secondary and backscattered electron emission behaviors in these forests are quite different than in bulk materials. This seems to be primarily because of the increased range of electrons due to the porous nature of the forests and dependent on their structural parameters, namely nanotube length, diameter and inter-nanotube spacing. In addition to providing insight into the electron microscopy of nanotubes, these results have interesting implications on designing novel secondary electron emitters based on the structural degrees of freedom of nanomaterials.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,264 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations14
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScanningMême sujetCarbon Nanotubes in CompositesTravaux en français237 207