MétaCan
Menu
Retour à la cohorte
Enregistrement W2951332731 · doi:10.2110/jsr.2019.29

A New Approach To Quantify the Ordering State of Protodolomite Using XRD, TEM, and Z-Contrast Imaging

2019· article· en· W2951332731 sur OpenAlexaboutno aff
Yihang Fang, Huifang Xu

Notice bibliographique

RevueJournal of Sedimentary Research · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueHigh-pressure geophysics and materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContrast (vision)GeologyMineralogyArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Dolomite, an ordered Ca-Mg-carbonate mineral, is abundant in the sedimentary record but found only rarely found in Holocene and modern marine settings. Instead, protodolomite, a partially ordered Ca-Mg-carbonate with a composition close to ideal dolomite, and disordered dolomite occur in specific modern sedimentary settings. In this study, the protodolomite in a late Holocene stromatolite collected from Manito Lake, Saskatchewan, Canada, was examined using X-ray diffraction (XRD), scanning electron microscopy (SEM), transmission electron microscopy (TEM), and Z-contrast imaging from scanning-transmission electron microscopy (STEM). The protodolomite is characterized by nano-domains exhibiting a weak to moderate degree of Ca-Mg ordering based on attenuated and diffuse “b” reflections in selected-area diffraction patterns. The stromatolite also contains disordered dolomite that lack “b” reflections. Using Z-contrast images and image simulations, a quantitative approach was developed to calculate and constrain the ordering state of protodolomite, a parameter that is generally difficult to determine. With ordering contour lines constructed from this study, the ordering state of a weakly ordered dolomite can be quantified based on its d104 value and composition.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,063
Tête enseignante GPT0,324
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), 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

Citations40
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sedimentary ResearchMême sujetHigh-pressure geophysics and materialsTravaux en français237 207