MétaCan
Menu
Retour à la cohorte
Enregistrement W2597576088 · doi:10.1002/jemt.22869

Quality evaluation of ultra‐thin samples: Application to graphene

2017· article· en· W2597576088 sur OpenAlexafffund
Kai Cui, Ken Bosnick, Rob Indoe, Marek Malac, Robert A. McLeod

Notice bibliographique

RevueMicroscopy Research and Technique · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensNational Research Council CanadaNational Institute for Nanotechnology
Organismes subventionnairesNational Research Council Canada
Mots-clésGrapheneMaterials scienceTransmission electron microscopyMonolayerNanotechnologySelected area diffractionMagnificationDiffractionOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Many new materials emerging are strictly two dimensional (2D), often only one or two monolayers thick. They include transition metal dichalcogenides, such as MoS 2 , and graphene. Graphene in particular appears to have many potential applications. Typically the crystalline film without contamination is of interest. Therefore, a reliable method is needed to routinely evaluate the quality of the synthesized samples. Here, we present one such candidate method that utilizes standard electron diffraction and low/medium magnification imaging in a rudimentary transmission electron microscope. The electron irradiation dose is very low thus reducing electron irradiation damage of the investigated samples. As an example, the method was applied to the evaluation of as‐grown graphene sample quality and a study on heating‐induced change in graphene. It can be used to evaluate the volume and areal ratio of crystalline to noncrystalline component. The method is amiable to automated film quality evaluation.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,042
Score d'incertitude au seuil0,534

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,102
Tête enseignante GPT0,479
Écart entre enseignants0,377 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicroscopy Research and TechniqueMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207