MétaCan
Menu
Retour à la cohorte
Enregistrement W2616037550 · doi:10.20944/preprints201704.0073.v1

Oxide Self-Flux in Optical Floating Zone Crystal Growth of Nickel Niobate (NiNb<sub>2</sub>O<sub>6</sub>)

2017· preprint· en· W2616037550 sur OpenAlexafffund
Timothy J. S. Munsie, A. Millington, G. M. Luke, H. A. Dabkowska

Notice bibliographique

RevuePreprints.org · 2017
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiquePhotorefractive and Nonlinear Optics
Établissements canadiensBrockhouse Institute for Materials ResearchCanadian Institute for Advanced ResearchMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaMcMaster University
Mots-clésRutileCrystal (programming language)Nickel oxideNickelColumbiteMaterials scienceOxideCrystal growthFlux (metallurgy)Phase diagramZone meltingNon-blocking I/OPhase (matter)Analytical Chemistry (journal)NiobiumMineralogyCrystallographyMetallurgyChemical engineeringChemistryCeramicChromatography

Résumé

récupéré en direct d'OpenAlex

Growing crystals of nickel niobate (NiNb2O6), we noticed that changing growth conditions allowed our material to enter different areas of the phase diagram. In particular, we found that excess material accumulated within and above the liquid zone. Analysis showed that this was an unincorporated constituent. Changing the ratio of the constituent oxides - an excess of ~4% of either NiO or Nb2O5 gave us the opportunity to investigate changes in zone stability, melting temperature and quality of the resulting crystal. We found that a small excess of nickel oxide decreases the melting temperature significantly, and created the best pseudo-rutile NiNb2O6 crystal studied, while higher amounts of niobium oxide allowed us to stabilize the NiNb2O6 columbite phase. This research reinforces the idea that self-flux as a travelling solvent can significantly impact crystal growth parameters and quality.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
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 enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0030,007
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,045
Tête enseignante GPT0,307
Écart entre enseignants0,262 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetPhotorefractive and Nonlinear OpticsTravaux en français237 207