MétaCan
Menu
Retour à la cohorte
Enregistrement W2287437518 · doi:10.1021/acs.analchem.5b03574

Empirical Approach for Estimating Reference Material Heterogeneity and Sample Minimum Test Portion Mass for “Nuggety” Precious Metals (Au, Pd, Ir, Pt, Ru)

2016· article· en· W2287437518 sur OpenAlexafffund
L. Paul Bédard, Kim H. Esbensen, Sarah‐Jane Barnes

Notice bibliographique

RevueAnalytical Chemistry · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesCanada Research Chairs
Mots-clésChemistryMineralization (soil science)ChromiteMetalPrecious metalPelletsAnalytical Chemistry (journal)MineralogyGeologyEnvironmental chemistry

Résumé

récupéré en direct d'OpenAlex

Quantification of precious metal content is important for studies of ore deposits, basalt petrogenesis, and precious metal geology, mineralization, mining, and processing. However, accurate determination of metal concentrations can be compromised by microheterogeneity commonly referred to as the "nugget effect", i.e., spatially significant variations in the distribution of precious metal minerals at the scale of instrumental analytical beam footprints. There are few studies focused on the spatial distribution of such minerals and its detrimental effects on quantification of the existing suite of relevant reference materials (RM). In order to assess the nugget effect in RM, pressed powder pellets of MASS-1, MASS-3, WMS-1a, WMS-1, and KPT-1 (dominantly sulfides) as well as CHR-Pt+ and CHR-Bkg (chromite-bearing) were mapped with micro-XRF. The number of verified nuggets observed was used to recalculate an effective concentration of precious metals for the analytical aliquot, allowing for an empirical estimate of a minimum mass test portion. MASS-1, MASS-3, and WMS-1a did not contain any nuggets; therefore, a convenient small test portion could be used here (<0.1 g), while CHR-Pt+ would require 0.125 g and WMS-1 would need 23 g to be representative. For CHR-Bkg and KPT-1, the minimum test portion mass would have to be ∼80 and ∼342 g, respectively. Minimum test portions masses may have to be greater still in order to provide detectable analytical signals. Procedures for counteracting the detrimental manifestations of microheterogeneity are presented. It is imperative that both RM and pristine samples are treated in exactly the same way in the laboratory, lest powders having an unknown nugget status (in effect all field samples for analysis) can not be documented to be representing a safe minimum mass basis.

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)0,010
score de la tête « metaresearch » (Gemma)0,023
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,055
Tête enseignante GPT0,302
Écart entre enseignants0,247 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetGeochemistry and Geologic MappingTravaux en français237 207