MétaCan
Menu
Retour à la cohorte
Enregistrement W4285236376 · doi:10.1039/d2em00118g

Atom probe tomography and transmission electron microscopy: a powerful combination to characterize the speciation and distribution of Cu in organic matter

2022· article· en· W4285236376 sur OpenAlexafffund
Sarib Jadoon, Michael Schindler, Mark Wirth, Odeta Qafoku, Libor Kovařík, Daniel E. Perea

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironmental Molecular Sciences Laboratory
Mots-clésOrganic matterNanoparticleMagnetiteChemistryTransmission electron microscopyAmorphous solidAtom probeSilanolMineralization (soil science)MineralogyNucleationSoil waterChemical engineeringEnvironmental chemistryMaterials scienceNanotechnologyGeologyMetallurgyCrystallographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

within the OM particles. A model is developed which proposes that the sequestration of Cu in OM is promoted by (I) the partial mineralization of the OM matrix by amorphous silica; (II) the nucleation of magnetite nanoparticles on highly reactive silanol groups; (III) the diffusion of Cu within mineralized and altered areas of the OM; (IV) the availability of Cu-bearing species, which in turn is controlled by the hydrodynamic properties of the pore channels; (V) the formation of precursors and nucleation of Cu-bearing nanoparticles. This study shows that the combination of SEM, TEM and APT provides new insights into the sequestration of metal contaminants by OM at various scales ranging from the single-digit nano- to micrometer scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,205
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207