Improved in situ measurements of lead isotopes in silicate glasses by LA-MC-ICPMS using multiple ion counters
Notice bibliographique
Résumé
A new technique that improves the spatial resolution and quantification limits of the measurement of lead isotope ratios in silicate glasses with <15 μg g−1 total Pb by LA-MC-ICPMS is presented. The new method provides the capability of making quantitative, in situ lead isotope measurements on tiny objects of geologic interest such as mineral growth bands, melt inclusions, and accessory minerals, even where they are lead poor. The method allows for the concurrent, static measurement of 204Pb, 206Pb, 207Pb, 208Pb along with 202Hg in five Channeltron ion counters. Standard-sample-standard bracketing using USGS BCR2-G as the calibrant is used to correct for instrumental mass bias. Accuracy and precision of the method was evaluated by replicate analyses of various MPI-DING reference glasses with low lead concentrations (∼1–11 μg g−1) and well-determined isotopic ratios. Spot sizes for in situ analyses were as small as 40–69 μm, providing better spatial resolution than previous LA-MC-ICPMS results reporting 204Pb. Measured lead isotope ratios for the MPI-DING reference glasses T1-G (11.6 μg g−1 total Pb) and ATHO-G (5.67 μg g−1 total Pb) agree within 0.10% and 0.15% respectively of the preferred values using 40 μm spots. For MPI-DING KL2-G (2.07 μg g−1 total Pb) and ML3B-G (1.38 μg g−1 total Pb) measured lead ratios agree within 0.75% of the accepted values with typical precisions of <1.9% (2RSD) using 69 μm spots; measured 207Pb/206Pb and 208Pb/206Pb are within 0.45% of preferred values with precisions of <0.50% (2RSD). These results demonstrate improvement over previous LA-MC-ICPMS data in terms of both quantification limits and spatial resolution, while retaining similar levels of accuracy and precision.
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 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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».