MétaCan
Menu
Retour à la cohorte
Enregistrement W4224237874 · doi:10.1038/s42005-022-00853-y

Tutorial: a beginner’s guide to interpreting magnetic susceptibility data with the Curie-Weiss law

2022· article· en· W4224237874 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueCommunications Physics · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Condensed Matter Physics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada First Research Excellence FundCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Institute for Advanced Research
Mots-clésMagnetic susceptibilityMagnetismInterpretation (philosophy)ParamagnetismCondensed matter physicsCharacterization (materials science)CurieCurie–Weiss lawPhysicsTheoretical physicsCurie temperatureComputer scienceMaterials scienceNanotechnologyFerromagnetism

Résumé

récupéré en direct d'OpenAlex

Abstract Magnetic susceptibility measurements are often the first characterization tool that researchers turn to when beginning to assess the magnetic nature of a newly discovered material. Breakthroughs in instrumentation have made the collection of high quality magnetic susceptibility data more accessible than ever before. However, the analysis of susceptibility data remains a common challenge for newcomers to the field of magnetism. While a comprehensive treatment of the theoretical aspects of magnetism are found in numerous excellent textbooks, there is a gap at the point of practical application. We were inspired by this obstacle to put together this guide to the analysis and interpretation of magnetic susceptibility data, with an emphasis on materials that exhibit Curie-Weiss paramagnetism.

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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,940
Score d'incertitude au seuil0,917

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0040,006
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,322
Écart entre enseignants0,292 · 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