Experimental methods in chemical engineering: Scanning electron microscopy and<scp>X</scp>‐ray ultra‐microscopy—<scp>SEM</scp>and<scp>XuM</scp>
Notice bibliographique
Résumé
Abstract Scanning electron microscopy (SEM) produces images at 500 000 times magnification and better than 1 nm resolution to characterize inorganic and organic solid morphology, surface topography, and crystallography. An electron beam interacts with the material and generates secondary electrons (SE) and backscattered electrons (BSE) that detectors capture. Coupled with X‐ray energy‐dispersive spectroscopy (X‐EDS), SEM‐EDS identifies elemental composition. X‐ray ultra‐microscopy (XuM) traverses particles to identify phase changes and areas of high density and voids without slicing through the solids by microtome. Although SEM instrument capability continuously evolves with higher magnification and better resolution, desktop SEMs are becoming standard in laboratories that require frequent imaging and lower magnification. Hand‐held cameras (800–1500×) have the advantage of low cost, ease of use, and better colours. SEM depth of field is better than visible light microscopy, but image stacking software has narrowed the gap between the two. Modern user interfaces mean that today's SEM instruments are easier to operate and data acquisition is faster, but operators must be able to select the right technique for the application (e.g., SE vs. BSE). Furthermore, they must understand how operating parameters like probe current, accelerating voltage, spot‐diameter, convergence angle, and working distance compromise sample integrity. The number of articles the Web of Science indexes that mention SEM has grown from 1000 in 1990 to over 40 000 in 2021. A bibliometric map identified four clusters of research: mechanical properties and microstructure; nanoparticles, composites, and graphene; antibacterial and green synthesis; and adsorption and wastewater.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,032 |
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 ».