MétaCan
Menu
Retour à la cohorte
Enregistrement W2216024308 · doi:10.5539/jmsr.v5n1p61

Nanotechnology: A Journey towards Finding Solutions

2015· article· en· W2216024308 sur OpenAlexvenueno aff
Satya Pal Singh

Notice bibliographique

RevueJournal of Materials Science Research · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueNanotechnology research and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyScale (ratio)NanomaterialsNanometreSocietal impact of nanotechnologyMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

<p class="1Body">Nanotechnology is the understanding and control of matter at the diemnsions ranging between 1-100 nm. One nanometer is one billionth of a meter. Nanotechnology involves manipulation of atoms, imaging, measuring and modelling at nano scale. Its potentials were first highlighted by Richard Feynman in the American Physical Scociety meeting in 1959. Though, he did not coin the world nanotechnology himself but he explored the possiblities of functional materials at the bottom of the scale. In last two decades this technology has been commercialized to great extent and gaining importance day by day influencing the economies of different countries and henceforth enforcing the policy makers to address the issues like environment, health and safety. Governments are regularisaing and monitoring its research, uses, applications and technology transfer which includes intelluctaul property rights. This paper addresses the dimensions and trends of nanotechnology covering economic aspects. The paper is focussed on the changes in the functional properties of nanomaterials as physical, chemical, optical, electronic, electrical, magnetic etc. in comparision to those of the bulk of material. It has been discussed how the basic and advance research in nanoscience could be explotiedfor making technologies for its commercial and industrial applications for the benefit and safety of the soceity. Thin film magnetism is demonstrated using Monte Carlo simulation method. Experimental synthesisof some of thenanorods and qunatum dots are also discussed.</p>

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)0,011
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,009
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,204
Tête enseignante GPT0,417
Écart entre enseignants0,213 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetNanotechnology research and applicationsTravaux en français237 207