Determination of optimal metallic secondary target thickness, collimation, and exposure parameters for X‐ray tube‐based polarized EDXRF
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tube‐based‐polarized energy‐dispersive X‐ray fluorescence (EDXRF) is a powerful adaptation on traditional EDXRF, requiring very specific geometry and a scattering target to generate polarized X‐rays. This secondary target is typically chosen to be a metallic foil, allowing for the polarization of the incident X‐ray beam, and the addition of the secondary target's fluorescence response to the initial beam. A simulation, using GEANT4 Monte Carlo code, and an experimental confirmation were used to determine the optimal thickness of a metallic secondary target for use in tube‐based‐polarized EDXRF. The optimal thickness was determined by looking at the signal‐to‐noise ratio (SNR). Using the results, the optimal thickness and tube potential were calculated for the common secondary target materials Cu, Mo, and Sn, when looking at an Fe sample. The optimal thickness results were compared with the results when using an ‘infinitely thick’ target. The results show improvements in SNRs of 6 − 17 % , illustrating the potential benefits of such calculations. Additionally, the optimal collimation of a polarized EDXRF system was examined, and it was found that increasing the total count rate should be the primary goal of geometrical optimization. If the count rate of the experimental setup is limited by tube output, then having the largest possible collimators yielded the maximum SNR. In contrast, if the count rate is limited by detector dead time, then decreasing the collimator size between secondary target and sample provided the maximal SNR. Copyright © 2017 John Wiley & Sons, Ltd.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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