MétaCan
Menu
Retour à la cohorte
Enregistrement W2039680188 · doi:10.1088/0957-0233/13/10/313

High-performance digital control system for scanning tunnelling microscopy

2002· article· en· W2039680188 sur OpenAlexaff
Alex Boudreau, Bruno Paillard, P. Rowntree

Notice bibliographique

RevueMeasurement Science and Technology · 2002
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftwareDigital signal processingDetectorMicroscopeDigital controlCompensation (psychology)Electronic engineeringComputer hardwareOpticsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper describes a flexible, completely digital, scanning tunnelling microscope developed around a fixed-point (TMS320C542) digital signal processor. During the development special attention has been paid to the cost of the instrument, without limiting its performance, and in some regards enhancing it. The instrument has been developed and tested in the air, at room temperature, and atomic resolution has been achieved. Its software provides a maximum of support to the user. The tip approach is completely automated. The control parameters can be adjusted based on an on-line identification and off-line (in simulation) optimization. This technique is completely integrated to the control software. It greatly simplifies the parameter optimization, and completely eliminates the risk of collision between the tip and the sample during the optimization. The scanning of the image and control of the tunnelling current are implemented in software by the DSP. This allows the precise identification and real-time compensation of the capacitive coupling between the scan tube electrodes and the current detector. The image analysis and processing software allows slope compensation, as well as the presentation of differential image, two-dimensional FFT and three-dimensional image.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,438

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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'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

Citations3
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeasurement Science and TechnologyMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207