MétaCan
Menu
Retour à la cohorte
Enregistrement W2235361662 · doi:10.17975/sfj-2015-012

H<sub>2</sub>S Gas Sensor Based on SnO<sub>2</sub> and CuO Nanoparticles

2015· article· en· W2235361662 sur OpenAlexvenueno aff
Mohammad Hossein Sarfi, M. R. Ghadimi, Arash Babaee

Notice bibliographique

RevueSTEM Fellowship Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueGas Sensing Nanomaterials and Sensors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrogen sulfideMaterials scienceField emission microscopyMicrostructureScanning electron microscopeSol-gelNanoparticleThin filmAnalytical Chemistry (journal)HydrogenChemical engineeringNanotechnologyComposite materialDiffractionOpticsChemistryMetallurgyChromatographySulfur

Résumé

récupéré en direct d'OpenAlex

Hydrogen Sulfide (H2S) is a toxic gas that has adverse effects on human health as well as the oil and gas industry; hence, it is important to identify its characteristics appropriately. The present research was aimed to study the sensing behavior of SnO2-CuO thin layers obtained by the sol-gel method. The working temperature in the present investigation was the environment temperature and the resistance curves related to the sensing behavior were obtained. The microstructure of the covered layers was studied using Field Emission Scanning Electron Microscope (FE-SEM), AFM and XRD analysis method. The thin layer of SnO2-CuO optimized with sensory characteristics was coated using sol-gel method and were heated for 5 hours at 400 °C. The best response number was 1180 (no unit), the response time was 43 seconds and the least recovery time was 210 seconds. Moreover, it had a longer response time compared to the unheated sample, but the response number and the recovery time were improved due to the thermal treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,202
Écart entre enseignants0,181 · 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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSTEM Fellowship JournalMême sujetGas Sensing Nanomaterials and SensorsTravaux en français237 207