MétaCan
Menu
Retour à la cohorte
Enregistrement W2079166477 · doi:10.1039/b806068a

Fiber Bragg grating photoacoustic detector for liquid chromatography

2008· article· en· W2079166477 sur OpenAlexafffund
Qingxin Yang, Hans‐Peter Loock, Igor Kozin, David Bue Pedersen

Notice bibliographique

RevueThe Analyst · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensDefence Research and Development CanadaQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDetection limitMaterials scienceRepeatabilityFiber Bragg gratingTransducerPhotoacoustic effectDetectorOpticsLaserChromatographyChemistryAcoustics

Résumé

récupéré en direct d'OpenAlex

Fiber Bragg Gratings (FBGs) are known to be sensitive acoustic transducers and have previously been used for the photoacoustic detection of small solid samples. Here, we demonstrate the use of an FBG as an on-line detector for liquid chromatography. The FBG was inserted into a silica capillary and the photoacoustic response from the effluent was generated by a 10 ns pulsed laser. The acoustic pulse was quantified by the FBG through a characteristic change in the reflection spectrum. Good repeatability and linear response were obtained over three orders of magnitude (R(2) > 0.99), and the limit of detection of Coumarin 440 was determined to be 5 microM. The technique was successfully coupled to high performance liquid chromatography and applied to on-line analysis of a three-compound solution. Photoacoustic detection in liquid chromatography using FBGs is a label-free method, which can be applied to the detection of any chromogenic compound irrespective of its fluorogenic properties. It is a simple, inexpensive, and inherently micron-sized technique, insensitive to electromagnetic interference.

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)0,002
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,014

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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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

Citations17
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207