Quantification of Solute Composition in H2O-NaCl-CaCl2 Solutions Using Cryogenic 2D Raman Mapping
Notice bibliographique
Résumé
Various analytical techniques have been developed to determine the solution composition of fluid inclusions, including destructive, non-destructive, single-inclusion, and bulk-inclusion methods. Cryogenic Raman spectroscopy, as a non-destructive and single-inclusion method, has emerged as a potentially powerful tool of quantitative analysis of fluid inclusion composition. A method of point analysis using cryogenic Raman spectroscopy has been previously proposed to quantitatively estimate the solute composition of H2O-NaCl-CaCl2 solutions, but there are uncertainties related to heterogeneity of frozen fluid inclusions and potential bias in the processing of Raman spectra. A new method of quantitative analysis of solute composition of H2O-NaCl-CaCl2 solutions using Raman mapping technology is proposed in this study, which can overcome the problems encountered in the point analysis. It is shown that the NaCl/(NaCl + CaCl2) molar ratio of the solution, X(NaCl, m), can be related to the area fraction of hydrohalite over hydrohalite plus antarcticite, Fhydrohalite, by the equation X(NaCl, m) = 1.1435 Fhydrohalite − 0.0884, where Fhydrohalite = hydrohalite area/(hydrohalite area + antarcticite area). This equation suggests that the molar fraction of a salt component may be estimated from the fraction of the Raman peak area of the relevant hydrate. This study has established a new way of estimating solute composition of fluid inclusions using cryogenic Raman mapping technique, which may be extended to other solutions.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».