MétaCan
Menu
Retour à la cohorte
Enregistrement W2984236326 · doi:10.1016/j.simpa.2019.100010

Peakaboo: Advanced software for the interpretation of X-ray fluorescence spectra from synchrotrons and other intense X-ray sources

2019· article· en· W2984236326 sur OpenAlexafffund
Lisa L. Van Loon, N. S. McIntyre, Michael Bauer, Nathaniel Sherry, Neil R. Banerjee

Notice bibliographique

RevueSoftware Impacts · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensWestern University
Organismes subventionnairesWestern Economic Diversification CanadaNatural Sciences and Engineering Research Council of CanadaCanadian HIV Trials Network, Canadian Institutes of Health ResearchUniversity of SaskatchewanNational Research Council CanadaCanarieCanada Foundation for InnovationOntario Centres of ExcellenceU.S. Department of Energy
Mots-clésX-ray fluorescenceSoftwareSynchrotronSpectral lineTRACE (psycholinguistics)Synchrotron radiationInterpretation (philosophy)Sensitivity (control systems)Computer scienceFluorescenceAnalytical Chemistry (journal)PhysicsOpticsChemistryEngineeringEnvironmental chemistryElectronic engineering

Résumé

récupéré en direct d'OpenAlex

Peakaboo is a platform for the analysis of full spectrum synchrotron X-ray fluorescence (XRF) map data. It offers robust, automated fitting of XRF spectral peaks, increasing the sensitivity to trace chemical elements. Large arrays of spectral data can also be processed into element maps to define spatial relationships. The modifications to Peakaboo introduced since 2017 are particularly designed to help new users to become rapidly competent in the handling of complex XRF spectra. Some of the most important innovations of the software are described below. Finally, we share examples of its application in Earth and Environmental Sciences.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0030,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0690,028

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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,220 · 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'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSoftware ImpactsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207