Perspective on the Refractive-Index Gas Metrology Data Landscape
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The redefinition of the kelvin has increased focus on thermometry techniques that use the newly fixed value of the Boltzmann constant to realize thermodynamic temperature. One such technique that has advanced considerably in recent years is refractive-index gas thermometry. Generalized as refractive-index gas metrology (RIGM), this also includes a range of applications outside of temperature realizations, such as pressure standards and measurements of the physical properties of gases. Here, the current data situation in the field is reviewed, encompassing the latest developments and remaining challenges, in order to suggest possible approaches for reducing RIGM uncertainties and improving RIGM applications. New analyses of existing experimental literature data are presented for the second density virial coefficient Bρ of helium, neon, argon, and nitrogen; the third density virial coefficient Cρ of nitrogen; and the third dielectric virial coefficient Cε of helium, neon, and argon. A need is identified for more accurate reference-quality datasets to be measured or calculated in several areas, with robust uncertainty budgets, to support future RIGM advancements. The most urgent of these are the bulk modulus of copper; thermodynamic accuracy of the International Temperature Scale of 1990; molar optical refractivity AR of neon, argon, and nitrogen; diamagnetic susceptibility χ0 of neon and argon; second density virial coefficient Bρ of argon; third dielectric virial coefficient Cε of helium, neon, and argon; and third optical refractivity virial coefficient CR of helium and neon.
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.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle