MétaCan
Menu
Retour à la cohorte
Enregistrement W2913467482 · doi:10.1139/cjc-2018-0430

Assessment of boron nitride nanotube materials using X-ray photoelectron spectroscopy

2019· article· en· W2913467482 sur OpenAlexafffundvenue
Michael B. Jakubinek, Keun Su Kim, Christa M. Homenick, Oltion Kodra, S. Brett Walker, Benoît Simard

Notice bibliographique

RevueCanadian Journal of Chemistry · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueBoron and Carbon Nanomaterials Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésBoron nitrideX-ray photoelectron spectroscopySurface modificationBoronChemistryNanotubeNitrideRaw materialChemical engineeringElemental analysisNanotechnologyCharacterization (materials science)Analytical Chemistry (journal)Materials scienceCarbon nanotubeInorganic chemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

With increasing prevalence of boron nitride nanotubes (BNNTs), the need for routine and reliable assessment methods is becoming more critical both for research studies and for quality control in nanotube manufacturing. The assessment of BNNT materials using X-ray photoelectron spectroscopy (XPS) is described here through analysis of raw-BNNT materials and three case studies showing modification of BNNTs by purification or chemical functionalization. Metrics indicative of the BN content of the material, with the simplest being the B:N ratio, are described and tracked to show evolution of BNNT materials during processing. Along with changes in the elemental composition and the content of BN, high-resolution spectra of the B 1s region also show clear evolution as BNNT materials are modified, which can be used as a measure of boron nitride content and quality to assess BNNT production, purification, and functionalization.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,012
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,011
Tête enseignante GPT0,272
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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations13
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetBoron and Carbon Nanomaterials ResearchTravaux en français237 207