MétaCan
Menu
Retour à la cohorte
Enregistrement W2002610147 · doi:10.6000/1929-5030.2012.01.01.8

Extended Stern Model

2012· article· en· W2002610147 sur OpenAlexvenueno aff
Rangadhar Pradhan, Analava Mitra, Soumen Das

Notice bibliographique

RevueJournal of Applied Solution Chemistry and Modeling · 2012
Typearticle
Langueen
DomaineChemistry
ThématiqueElectrochemical Analysis and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSternCapacitanceElectrodeElectrolyteEquivalent circuitChemistryMaterials scienceElectrical engineeringVoltageEngineeringPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

In this paper, a theoretical approach of extended Stern model is formulated to represent the electric double layer (EDL) for biochemical as well as biological samples. The existing Stern model is used for several decades to describe the phenomena of electric double layer of electrode/electrolyte interface. In the conventional stern model the double layer which is formed between the electrode and electrolyte interface is described by double layer capacitance. Using the existing Stern model, the equivalent circuit model is not valid for electrical double layer capacitance of electrode/electrolyte interface in β dispersion range. The protein molecules form chemical coupling and chemical adsorption along with classical ionic bonding with gold electrodes. Thus, the compactness of EDL decreases and the double layer capacitance is replaced by a constant phase element (CPE). In the present paper, a three-electrode based ECIS device was used to measure the impedance of various enzymatic solutions for practical realization of theoretical approach. The results obtained from experimental work, were simulated by equivalent circuit simulator, ZsimpWin to validate the extended Stern model by comparing χ2 value. Finally the electrical parameters were extracted and compared for Stern model and extended Stern model. The results obtained by practical experiment and equivalent circuit simulation showed the effectiveness of extended Stern model over Stern model.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,006
Science ouverte0,0050,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,007

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 Opus0,024
Tête enseignante GPT0,263
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Solution Chemistry and ModelingMême sujetElectrochemical Analysis and ApplicationsTravaux en français237 207