MétaCan
Menu
Retour à la cohorte
Enregistrement W2583157860 · doi:10.1063/1.4978241

A novel quantum dynamical approach in electron microscopy combining wave-packet propagation with Bohmian trajectories

2017· article· en· W2583157860 sur OpenAlexaff

Notice bibliographique

RevueThe Journal of Chemical Physics · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Electron Microscopy Techniques and Applications
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDiffractionParaxial approximationBeam (structure)ComputationQuantumElectronRange (aeronautics)Slab

Résumé

récupéré en direct d'OpenAlex

The numerical analysis of the diffraction features rendered by transmission electron microscopy typically relies either on classical approximations (Monte Carlo simulations) or quantum paraxial tomography (the multislice method and any of its variants). Although numerically advantageous (relatively simple implementations and low computational costs), they involve important approximations and thus their range of applicability is limited. To overcome such limitations, an alternative, more general approach is proposed, based on an optimal combination of wave-packet propagation with the on-the-fly computation of associated Bohmian trajectories. For the sake of clarity, but without a loss of generality, the approach is used to analyze the diffraction of an electron beam by a thin aluminum slab as a function of three different incidence (working) conditions which are of interest in electron microscopy: the probe width, the tilting angle, and the beam energy. Specifically, it is shown that, because there is a dependence on particular thresholds of the beam energy, this approach provides a clear description of the diffraction process at any energy, revealing at the same time any diversion of the beam inside the material towards directions that cannot be accounted for by other conventional methods, which is of much interest when dealing with relatively low energies and/or relatively large tilting angles.

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 enseignants0,113
Score d'incertitude au seuil0,360

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 Opus0,012
Tête enseignante GPT0,306
Écart entre enseignants0,294 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Chemical PhysicsMême sujetAdvanced Electron Microscopy Techniques and ApplicationsTravaux en français237 207