MétaCan
Menu
Retour à la cohorte
Enregistrement W2302016495 · doi:10.1021/acs.nanolett.6b00288

Characterization of Individual Magnetic Nanoparticles in Solution by Double Nanohole Optical Tweezers

2016· article· en· W2302016495 sur OpenAlexafffund
Haitian Xu, Steven Jones, Byoung-Chul Choi, Reuven Gordon

Notice bibliographique

RevueNano Letters · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOrbital Angular Momentum in Optics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRemanenceSuperparamagnetismOptical tweezersMagnetic nanoparticlesMaterials scienceNanoparticleMagnetic fieldNanotechnologyRefractive indexMagnetic force microscopeOpticsOptoelectronicsMagnetizationPhysics

Résumé

récupéré en direct d'OpenAlex

We study individual superparamagnetic Fe3O4 (magnetite) nanoparticles in solution using a double nanohole optical tweezer with magnetic force setup. By analysis of the trapping optical transmission signal (step size, autocorrelation, the root-mean-square signal, and the distribution with applied magnetic field), we are able to measure the refractive index, magnetic susceptibility, remanence and size of each trapped nanoparticle. The size distribution is found to agree well with scanning electron microscopy measurements, and the permeability, magnetic susceptibility and remanence values are all in agreement with published results. Our approach demonstrates the versatility of the optical tweezer with magnetic field setup to characterize nanoparticles in fluidic mixtures with potential for isolation of desired particles and pick-and-place functionality.

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 enseignants0,014
Score d'incertitude au seuil0,363

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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,197 · 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

Citations46
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetOrbital Angular Momentum in OpticsTravaux en français237 207