MétaCan
Menu
Retour à la cohorte
Enregistrement W2093896553 · doi:10.1002/jrs.1568

Polarization coherent anti‐stokes Raman scattering using noisy light

2006· article· en· W2093896553 sur OpenAlexfundno aff
Lindsay R. Weisel, Thao M. Ta, Eric Booth, Darin J. Ulness

Notice bibliographique

RevueJournal of Raman Spectroscopy · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensnon disponible
Organismes subventionnairesConcordia University of EdmontonCamille and Henry Dreyfus FoundationNational Science Foundation
Mots-clésPolarization (electrochemistry)Raman scatteringRaman spectroscopyBenzeneChemistryOpticsMaterials sciencePhotochemistryPhysicsOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Several polarization studies on the noisy light version of coherent anti‐Stokes Raman scattering (CARS) exist in the literature. However, the full advantages of polarization CARS (P‐CARS), which are so useful in conventional and short‐pulse CARS methods, have not yet been exploited in the noisy light version. This work presents experimental realization of fully functional P‐CARS using noisy light. Several examples demonstrate the advantages brought by P‐CARS. This includes the ‘classic’ example of benzene in carbon tetrachloride. Also presented are the carbon–carbon double bond stretches in acrylonitrile and 1‐hexene. An interesting, and not fully understood, detection polarization angle dependence is discussed. Applications to an m ‐xylene/benzene mixture and an alkaline solution of the amino acid phenylalanine are presented. Copyright © 2006 John Wiley & Sons, Ltd.

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 enseignants0,015
Score d'incertitude au seuil0,653

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 Opus0,008
Tête enseignante GPT0,301
Écart entre enseignants0,293 · 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

Citations10
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Raman SpectroscopyMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207