MétaCan
Menu
Retour à la cohorte
Enregistrement W3101288969 · doi:10.1117/12.2579900

Standoff mid-infrared reflectance spectroscopy using quantum cascade laser for mineral identification

2020· article· en· W3101288969 sur OpenAlexaff
Anaïs Parrot, Francis Vanier, Alain Blouin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineChemistry
ThématiqueSpectroscopy and Laser Applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésQuantum cascade laserSpectroscopyMicroclineMaterials scienceInfrared spectroscopyDiffuse reflectance infrared fourier transformSpectral lineAnalytical Chemistry (journal)MineralogyOpticsChemistryAlbiteOptoelectronicsQuartzPhysics

Résumé

récupéré en direct d'OpenAlex

In this work, quantum cascade laser (QCL) mid-infrared (MIR) reflectance spectroscopy is used to discriminate silicate and carbonate minerals in a standoff measurement setting. The tunable external cavity QCL source that was used allows measurements from 5.2 μm to 13.4 μm wavelength, where the fundamental vibrational bands of silicates and carbonates are observed. Spectra measured from a half-core sample were analyzed using multivariate analysis to extract and identify the end-member spectra from the mixtures. The end-member spectra were compared and validated using the ASTER database spectra and the spectra measured on reference samples with the same QCL MIR reflectance spectroscopy setup. Spectra of minerals commonly found in the mining industry were compared: quartz, microcline, albite, chlorite, muscovite, biotite, calcite and dolomite. MIR reflectance spectroscopy using compact QCL sources allow rapid spectral measurements at standoff distances and high spatial resolution. All these advantages show the potential of QCL MIR reflectance spectroscopy for in-the-field mining applications.

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 candidatesCharge 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 enseignants0,118
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)0,0010,000

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 Opus0,041
Tête enseignante GPT0,324
Écart entre enseignants0,282 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSpectroscopy and Laser ApplicationsTravaux en français237 207