Experimental methods in chemical engineering: <scp>Raman</scp> spectroscopy
Notice bibliographique
Résumé
Abstract When photons impinge on a substrate, most scatter with the same frequency (elastic scattering or Rayleigh dispersion) and only 10−7 scatter with a different energy (inelastic scattering). This inelastic interaction (Raman scattering) exchanges energy in the region of molecular vibrational transitions for crystalline and amorphous materials. Raman bands in a spectra represent vibrational transitions, like infrared, however the selection rules are different. Typically, the vibrations that are intense in Raman are weak in infrared and vice versa. A remarkable feature of the Raman effect is that it is highly sensitive to nanocrystals, even below 4 nm, which are too small to generate XRD patterns. Plasmonic enhancement, like surface‐enhanced Raman spectroscopy (SERS) boost the Raman signal by 104, providing single‐molecule detection capability. Glass, quartz, and sapphire are transparent to Raman effect (depending on the energy of the incident excitation radiation), which makes it ideal to examine materials under reaction conditions (in‐situ cells and operando reactors that operate over a broad range of temperature, pressures, and environments). Raman spectroscopy emerged in the 1930s; however, infrared spectrometry displaced it. With the advent of powerful lasers in the 1970s, more researchers began to apply Raman routinely. In 2019, the Web of Science indexed 20 400 articles mentioning Raman against 50 000 articles mentioning infrared. Chemical engineers apply Raman less frequently than in material science, physical chemistry, and applied physics, with 887 articles vs 6250, 3700, and 3510 for the other disciplines. A bibliometric analysis identified four research clusters centred on thin films and optics, graphene and nanocomposites, nanoparticles and SERS, and photocatalyst.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,021 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».