MétaCan
Menu
Retour à la cohorte
Enregistrement W2343505850 · doi:10.1186/s40929-016-0005-4

Electric ion dispersion as a new type of mass spectrometer

2016· article· en· W2343505850 sur OpenAlexaff
M. J. Lindstrom, Iain R. Moyles, Kevin Ryczko

Notice bibliographique

RevueMathematics-in-Industry Case Studies · 2016
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensUniversity of Ontario Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryQuadrupoleQuadrupole mass analyzerElectromagnetic massPhysicsElectric fieldComputational physicsSecondary ion mass spectrometryMagnetic fieldDispersion (optics)SpectrometerAnalytical Chemistry (journal)ChemistryAtomic physicsOpticsClassical mechanicsChromatography

Résumé

récupéré en direct d'OpenAlex

At the 2014 Fields-MPrime Industrial Problem Solving Workshop, PerkinElmer presented a design problem for mass spectrometry. Traditionally, mass spectrometry is done via three methods: using magnetic fields to deflect charged particles whereby different masses bend differently; using a time-of-flight procedure where particles of different mass arrive at different times at a target; and using an electric quadrupole that filters out all masses except for one very narrow band. The challenge posed in the problem was to come up with a new design for mass spectrometry that did not involve magnetic fields and where mass fractions could be measured in an entire sample on a continuous basis. We found that by sending the sample particles down a channel of line charges oscillations would be induced with a spatial wavelength being mass dependent thereby allowing different masses to be separated spatially and potentially detected on a continuous basis, without the use of magnetic fields. In this paper, we present the analysis of our design and illustrate how this principle could be used for mass spectrometry.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,040
Tête enseignante GPT0,324
Écart entre enseignants0,284 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematics-in-Industry Case StudiesMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207