Experimental methods in chemical engineering: Fourier transform infrared spectroscopy—FTIR
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract When molecules absorb infrared radiation (IR), their vibrational mode—stretching and bending of the electric dipole—changes to an excited state. Functional groups in organic molecules absorb IR related to their characteristic vibrational modes. A Fourier transform infrared absorption (FTIR) analyzer measures the absorbed IR to identify molecular composition of surfaces, structural and geometric isomers, orientation in polymers and solutions, and quantify impurities. We describe the power of FTIR instruments and their basic operating principles, including the main experimental setups available: transmission, diffuse reflectance (DRIFTS), reflection adsorption infrared spectroscopy (RAIRS), and attenuated total reflection (ATR), including the recent advances related to time‐resolved and operando applications. In catalytic studies, FTIR spectroscopy has demonstrated its versatility over the last several decades to understand reaction mechanisms, measure gas phase composition, and identify active sites. Over 3000 articles include catalysis and FTIR as keywords but 50 000 articles per year mention IR. We generated a bibliometric map of keywords in articles that Web of Science indexed in 2016 and 2017. The map identified four broad clusters of research related to or applying FTIR: nano‐composites, composites, and mechanical properties; nano‐particles, degradation, graphene oxide, and photo‐catalysis; adsorption, aqueous solutions, and waste water; and drug delivery, silver and gold nano‐particles, green synthesis, and antibacterial activity. Together with a synopsis of the principals of IR spectroscopy and a review of the applications, we discuss uncertainties and limitations of the technique.
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.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle