MétaCan
Menu
Retour à la cohorte
Enregistrement W4232739886 · doi:10.1061/9780784414088.ch03

Nanomaterial Characterization

2015· book-chapter· en· W4232739886 sur OpenAlexaff
German Cota-Sanchez, Laura Merlo-Sosa

Notice bibliographique

RevueAmerican Society of Civil Engineers eBooks · 2015
Typebook-chapter
Langueen
DomaineMaterials Science
ThématiqueGraphene research and applications
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesnon disponible
Mots-clésRaman spectroscopySpectroscopyCharacterization (materials science)Instrumental chemistryMaterials scienceMicroscopyNanotechnologyAnalytical Chemistry (journal)OpticsChemistryTime-resolved spectroscopyPhysics

Résumé

récupéré en direct d'OpenAlex

This chapter briefly describes characterization methods for nanomaterials (NMs), along with examples based on the authors’ experience for illustrative purposes. Spectroscopy methods, including ultraviolet/visible spectroscopy, infrared spectroscopy, surface-enhanced Raman spectroscopy, nano-Raman spectroscopy, and resonance Raman spectroscopy, are reviewed with emphasis on their principle of operation and spectral interpretation. The various microscopy methods, including transmission electron microscopy, scanning electron microscopy, scanning tunneling microscopy, and atomic force microscopy, are also described in terms of the wave-particle duality property of electrons. The chapter then describes inductively coupled plasma-based methods in terms of the analytical capability provided by the use of high-density plasmas coupled to one or more complementary techniques. Finally, the chapter focuses on two of the most useful nondestructive techniques used to characterize solid NMs: dynamic light scattering and X-rays.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,022
Tête enseignante GPT0,247
Écart entre enseignants0,225 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Civil Engineers eBooksMême sujetGraphene research and applicationsTravaux en français237 207