MétaCan
Menu
Retour à la cohorte
Enregistrement W2981415801 · doi:10.1063/1.5112062

Force spectroscopy using a quartz length-extension resonator

2019· article· en· W2981415801 sur OpenAlexaff
Yoshiaki Sugimoto, Jo Onoda

Notice bibliographique

RevueApplied Physics Letters · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesJapan Society for the Promotion of ScienceToray Science FoundationAsahi Glass Foundation
Mots-clésStiffnessForce spectroscopyNon-contact atomic force microscopyAmplitudeResonatorOscillation (cell signaling)CantileverElasticity (physics)Atomic force acoustic microscopyVibrationElectrostatic force microscopeMagnetic force microscopeMaterials scienceMolecular physicsPhysicsChemistryOpticsMagnetic fieldAcousticsAtomic force microscopyConductive atomic force microscopyNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Frequency modulation atomic force microscopy detects the interaction force between the tip and the sample by measuring the change in the resonance frequency of an oscillating force sensor. Short-range interaction force can be selectively detected by a small oscillation amplitude. A quartz length-extension resonator (LER) offers the advantage of small-amplitude operation by virtue of its ultrahigh stiffness. Here, we demonstrate that an LER can accurately measure the short-range interaction force at cryogenic temperature even under a high magnetic field. We derive a formula for calculating the effective stiffness of an oscillating LER by using the theory of elasticity. The obtained dynamic stiffness is 1.23 times greater than the static stiffness, and this difference significantly affects the estimation of the interaction force. Using a properly calibrated LER, force curves are measured on Si(111)-(7 × 7) surfaces. The maximum attractive short-range forces above Si adatoms using several tip apex states are in the ranges of the values previously obtained by Si cantilevers.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,107
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,254
Écart entre enseignants0,244 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Physics LettersMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207