Experimental methods in chemical engineering: Fluorescence emission spectroscopy
Notice bibliographique
Résumé
Fluorescence is a luminescence phenomenon in which a compound emits light after absorption of electromagnetic irradiation. Specialized terms such as photoluminescence, cathodoluminescence, anodoluminescence, radioluminescence, and x‐ray fluorescence sometimes are used to indicate the type of exciting radiation. Fluorescence spectroscopy provides reliable quantitative and qualitative data. It precisely tracks chemical reactions from fluorescent materials compounds with aromatic groups, or conjugated planar, or cyclic molecules. It is up to 1000 times more sensitive than UV‐vis or infrared spectroscopy. Fluorescence intensity depends on the fluorophore (compound that fluoresces), its concentration, excitation and emission wavelengths, temperature and contamination. We adjust the slit dimensions, photomultiplier tube voltage and bandpass filter cutoff to maximize the signal while avoiding saturating the detector. Together with x‐ray diffraction, it is the most common spectroscopic technique with applications in geology, chemistry, medicine, and astronomy. A bibliometric analysis of the top 10 000 cited papers identified 5 clusters based on keywords centered around: (1) cancer, cells, and proteins; (2) aggregation induced emission, LED, and complexes; (3) live cells, sensors, and probes; (4) quantum dots, DNA, and biosensors; and (5) nanoparticles, in vivo, and drug delivery. Chemical engineers have yet to fully embrace fluorescence spectroscopy as the category is ranked 16th among all scientific categories that exploit it.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».