Experimental methods in chemical engineering: X‐ray diffraction spectroscopy—<scp>XRD</scp>
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 X‐ray diffraction (XRD) analysis identifies the long‐range order (ie, the structure) of crystalline materials and the short‐range order of non‐crystalline materials. From this information we deduce lattice constants and phases, average grain size, degree of crystallinity, and crystal defects. Advanced XRD provides information about strain, texture, crystalline symmetry, and electron density. When radiation impinges upon a solid, coherent scattering of the radiation by periodically spaced atoms results in scattered beams that produce spot patterns from single crystalline samples and ring patterns from polycrystalline samples. The pattern, intensities of the diffraction maxima (peaks or lines), and their position (Bragg angle θ or interplanar spacing d hkl ), correlate to a specific crystal structure. In 2016 and 2017 close to 100 000 articles mention XRD—more than any other analytical technique, and it was the top analytical technique of researchers that published in Can. J. Chem. Eng. A bibliographic analysis based on the Web of Science groups articles referring to XRD into five clusters: the largest cluster includes research on nanoparticles, thin films, and optical properties; composites, electro‐chemistry, and synthesis are topics of the second largest cluster; crystal morphology and catalysis are next; photocatalysis and solar cells comprise the fourth largest cluster; and, waste water is among the topics of the cluster with the least number of occurrences. Researchers publishing in Can. J. Chem. Eng. focus most of the XRD analyses to characterize polymers, nanocomposite materials, and catalysts.
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 | 0,001 | 0,001 |
| 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