MétaCan
Menu
Retour à la cohorte
Enregistrement W3040137673 · doi:10.1017/s1431927600033353

New Approaches for Energy Filtered Imaging and EELS Analysis

2000· article· en· W3040137673 sur OpenAlexaff
Gianluigi A. Botton

Notice bibliographique

RevueMicroscopy and Microanalysis · 2000
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésElectron energy loss spectroscopyResolution (logic)Scanning transmission electron microscopyTransmission electron microscopyMaterials scienceSpectrometerSpectroscopyCharacterization (materials science)Chemical imagingEnergy (signal processing)Imaging spectroscopyEnergy filtered transmission electron microscopySpectral lineImage resolutionMicroscopyElectron microscopeAnalytical Chemistry (journal)OpticsNanotechnologyChemistryHyperspectral imagingPhysicsComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Electron energy-loss spectroscopy imaging is now becoming an established and indispensable tool in high-resolution materials characterization. Whether the imaging approach is based on post column filters attached to a conventional transmission electron microscope (TEM) or on parallel spectrometers on a scanning (field emission) TEM, energy filtered (EF) microscopy is having a significant impact in materials science (e.g. Ref. 1). Elemental mapping, however, is not the only imaging tool accessible with EF microscopy. EELS images and spectra are often only part of the data that is obtained when samples are characterized in an analytical TEM. Complementary information is also obtained from EDS spectra which are often analyzed independently from the EELS data and from EELS near edge structures. When the EELS fine structure is altered due to changes in chemical state of the probed atoms, additional information is accessible and can potentially be used in novel methods of image acquisition.

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), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,162
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)0,0010,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,260
Écart entre enseignants0,248 · 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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207