MétaCan
Menu
Retour à la cohorte
Enregistrement W2902353498 · doi:10.1103/physrevapplied.10.054061

Compressed Ultrafast Electron Diffraction Imaging Through Electronic Encoding

2018· article· en· W2902353498 sur OpenAlexaff
Dalong Qi, Chengshuai Yang, Fengyan Cao, Jinyang Liang, Yilin He, Yan Yang, Tianqing Jia, Zhenrong Sun, Shian Zhang

Notice bibliographique

RevuePhysical Review Applied · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Electron Microscopy Techniques and Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesScience and Technology Commission of Shanghai MunicipalityNational Natural Science Foundation of China
Mots-clésImaging phantomPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Ultrafast electron diffraction (UED) has emerged as a powerful technique to explore transient structural changes in materials at the atomic scale, enabling work in solid-state physics, physical chemistry, and biology. However, UED is typically performed using a laser pump-probe method, and therefore is dogged by problems with multishot measurements and time synchronization. This study presents an advanced technique called $c\phantom{\rule{0}{0ex}}o\phantom{\rule{0}{0ex}}m\phantom{\rule{0}{0ex}}p\phantom{\rule{0}{0ex}}r\phantom{\rule{0}{0ex}}e\phantom{\rule{0}{0ex}}s\phantom{\rule{0}{0ex}}s\phantom{\rule{0}{0ex}}e\phantom{\rule{0}{0ex}}d$ $u\phantom{\rule{0}{0ex}}l\phantom{\rule{0}{0ex}}t\phantom{\rule{0}{0ex}}r\phantom{\rule{0}{0ex}}a\phantom{\rule{0}{0ex}}f\phantom{\rule{0}{0ex}}a\phantom{\rule{0}{0ex}}s\phantom{\rule{0}{0ex}}t$ $e\phantom{\rule{0}{0ex}}l\phantom{\rule{0}{0ex}}e\phantom{\rule{0}{0ex}}c\phantom{\rule{0}{0ex}}t\phantom{\rule{0}{0ex}}r\phantom{\rule{0}{0ex}}o\phantom{\rule{0}{0ex}}n$ $d\phantom{\rule{0}{0ex}}i\phantom{\rule{0}{0ex}}f\phantom{\rule{0}{0ex}}f\phantom{\rule{0}{0ex}}r\phantom{\rule{0}{0ex}}a\phantom{\rule{0}{0ex}}c\phantom{\rule{0}{0ex}}t\phantom{\rule{0}{0ex}}i\phantom{\rule{0}{0ex}}o\phantom{\rule{0}{0ex}}n$ $i\phantom{\rule{0}{0ex}}m\phantom{\rule{0}{0ex}}a\phantom{\rule{0}{0ex}}g\phantom{\rule{0}{0ex}}i\phantom{\rule{0}{0ex}}n\phantom{\rule{0}{0ex}}g$ (CUEDI) to overcome the technical limitations of UED. This approach can also be extended to the transmission electron microscopy or x-ray regimes for ultrafast structural imaging.

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: aucune
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,741

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 Opus0,008
Tête enseignante GPT0,352
Écart entre enseignants0,344 · 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

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysical Review AppliedMême sujetAdvanced Electron Microscopy Techniques and ApplicationsTravaux en français237 207