MétaCan
Menu
Retour à la cohorte
Enregistrement W2004798529 · doi:10.1364/ao.51.006343

Modeling of fiber-optic fluorescence probes for strongly absorbing samples

2012· article· en· W2004798529 sur OpenAlexaff
Dorit Munzke, John Saunders, Hengameh Omrani, Oliver Reich, Hans‐Peter Loock

Notice bibliographique

RevueApplied Optics · 2012
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésOpticsMaterials scienceAbsorption (acoustics)FluorescenceOptical fiberExcitationFiberBeam (structure)Fiber optic sensorAttenuation coefficientPhysics

Résumé

récupéré en direct d'OpenAlex

The dynamic range of fiber-optic fluorescent probes such as single fibers and fiber bundles is calculated for strongly absorbing samples, such as process liquids, foodstuffs, and lubricants. The model assumes an excitation beam profile based on a Lambertian light source and uses analytical forms of the collection efficiency, followed by an Abel transformation and numerical integration. It is found that the effect of primary absorption of the excitation light and secondary absorption of the fluorescence is profound. For fiber bundles and bifurcated fiber probes, the upper accessible concentration limit is roughly given by the absorption length of the primary and secondary absorption. Fluorescence detectors that are placed at right angles to the excitation beam axis or collinear to the beam axis are equally strongly affected by secondary absorption. A probe in which the same fiber is used for excitation and for collection of the fluorescence emerges as the fiber probe with the largest accessible concentration range.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil0,573

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,244
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207