MétaCan
Menu
Retour à la cohorte
Enregistrement W2577413518 · doi:10.1063/1.4973467

Laser stimulated plasma-induced luminescence for on-air material analysis

2017· article· en· W2577413518 sur OpenAlexafffund
S. Veltri, M. Barberio, Chiara Liberatore, M. Scisciò, Antoine Laramée, L. Palumbo, François Légaré, P. Antici

Notice bibliographique

RevueApplied Physics Letters · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésCathodoluminescenceLuminescencePhotoluminescencePlasmaLaserMaterials scienceElectronRange (aeronautics)OptoelectronicsAtomic physicsAnalytical Chemistry (journal)OpticsChemistryPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

In this work, we present a method for performing analysis of the chemical composition and optical properties of materials using In-Air Plasma-Induced Luminescence. This is achieved by interaction of a focused high-energy laser with air, an interaction that produces a sub-millimetric plasma. The energetic electrons generated and accelerated in the plasma at energies higher than 5 keV reach the target surface of the sample to be analyzed, causing luminescence emission and plasmonic resonance. Each material is characterized by different chemical and optical properties that can be determined with the above-described technique. As such, our method allows obtaining an exact analysis of the sample, covering surfaces in the range of tens of mm2, in only a few minutes. We show that the acquired information with our method is identical to what obtained with more sophisticated methods, such as SEM-cathodoluminescence and photoluminescence.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,080
Score d'incertitude au seuil1,000

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 Opus0,015
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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.

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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetLaser-induced spectroscopy and plasmaTravaux en français237 207