Measuring the cantilever-position-sensitive detector distance and cantilever curvature for cantilever sensor applications
Notice bibliographique
Résumé
Measuring cantilever sensor deflections using an optical beam deflection system is more complicated than often assumed. The direction of the reflected beam is dependent on the surface normal of the cantilever, which in turn is dependent on the state of the cantilever. It is often assumed that the cantilever is both straight and perfectly level before the onset of sensing experiments although this assumption, especially the former, is rarely true. Failure to characterize the initial state of the cantilever can lead to irreproducibility in cantilever sensor measurements. We have developed three new methods for characterizing the initial state of the cantilever. In the first case we show how to define the initial angle of inclination beta of the chip on which the cantilever is attached. This method was tested using an aluminum block with a known angle of inclination. A new method for determining the initial distance L(o) between the cantilever and the position-sensitive detector (PSD) is also presented. This parameter which behaves as an amplification factor of the PSD signal is critical for obtaining precise cantilever sensor data. Lastly, we present a method for determining the initial curvature of the cantilever which often results from depositing the sensing platform on the lever. Experiments conducted using deflected cantilevers showed the model to be accurate. The characterization methods presented in this work are simple to use, easy to implement, and can be incorporated into most cantilever sensor setups.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».