Manganese valence imaging in Mn minerals at the nanoscale using STEM-EELS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Electron energy loss spectroscopy (EELS) was used with scanning transmission electron microscopy (STEM) to quantify the average Mn valence in natural minerals at the nanometer scale. A method was developed to calibrate the energy-loss scale accurately, providing a comparison between STEMEELS and the X-ray absorption spectroscopy methods that investigate the L-edge chemical shift as Mn valence changes. The chemical-shift measurements were consistent with data reported by previous researchers from both X-ray and electron energy-loss spectroscopy. The L3/L2 white-line intensity ratios also were consistent with previous work. A calibration curve for Mn valence was produced using the L3/L2 white-line intensity ratios from measurements of synthetic standards. The average Mn valence was determined because it is not possible to distinguish Mn3+ from mixtures of Mn2+ and Mn4+ using either method. The white-line intensity method was implemented in automated software that allows for rapid processing of point spectra, and 1-D and 2-D spectrum images. Point analyses of two natural pyrolusite samples indicated a Mn valence of 4.0, and point analyses of romanechite and manganite gave values of 3.8 and 3.4, respectively. An interface between braunite and bementite was used to illustrate 1-D and 2-D spectrum-imaging capabilities. The measured valence of Mn in the braunite and bementite was 2.9 and 2.0, respectively; both consistent with theoretical values. The braunitebementite sample demonstrated the heterogeneity of Mn valence common to natural minerals and the advantages of acquiring quantitative valence information in a known spatial context.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 découle