MétaCan
Menu
Retour à la cohorte
Enregistrement W3108510106 · doi:10.1002/jrs.6042

Raman maps reveal heterogeneous hydrogenation on carbon materials

2020· article· en· W3108510106 sur OpenAlexafffund
Bruno G. daFonseca, Sapanbir S. Thind, Alexandre G. Brolo

Notice bibliographique

RevueJournal of Raman Spectroscopy · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesMitacsCanada Foundation for InnovationBritish Columbia Knowledge Development FundUniversity of Victoria
Mots-clésRaman spectroscopyCarbon fibersMaterials scienceHomogeneity (statistics)Analytical Chemistry (journal)Carbon filmChemical engineeringChemistryNanotechnologyThin filmEnvironmental chemistryComputer scienceOpticsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract This work presents an application of Raman spectroscopy as a tool to investigate heterogeneity in the composition of carbon materials obtained electrochemically. A combination of Raman maps and histograms has been used to describe samples synthesized via wet chemistry. The results showed that a simple evaluation of an average spectrum or one single spectrum per sample would have hidden important compositional variations present in the film. The Raman maps revealed heterogeneous hydrogenation in different areas of the carbon films, whereas histograms described the statistical relevance of the classification of the different types of carbon materials. The effect of electrosynthesis parameters on the quality of the films was also investigated. As the deposition time increased, the carbon films showed higher homogeneity in their spatial composition. The nature of the electrolyte led to differences in film functionalization and on the degree of hydrogenation.

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 candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,533

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,281
Écart entre enseignants0,261 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Raman SpectroscopyMême sujetGraphene research and applicationsTravaux en français237 207