MétaCan
Menu
Retour à la cohorte
Enregistrement W4296046659 · doi:10.1029/2022je007200

Determination of Broadband Complex EM Parameters of Powdered Materials: 2. Ilmenite‐Bearing Lunar Analogue Materials

2022· article· en· W4296046659 sur OpenAlexafffund
A. Boivin, C. A. Tsai, Dylan Hickson, R. R. Ghent, M. G. Daly

Notice bibliographique

RevueJournal of Geophysical Research Planets · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueGeophysical Methods and Applications
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesCanadian Space Agency
Mots-clésIlmeniteRadarDissipation factorAttenuationMicrowaveMaterials scienceMineralogyDielectricGeologyPhysicsOpticsComputer scienceTelecommunicationsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

Abstract We present systematic measurements of the frequency‐dependent complex dielectric permittivity of lunar regolith analogue samples with increasing amounts of the mineral ilmenite along with Bayesian model fits using a one‐pole Cole‐Cole model. We use these results to calculate a lower bound for the attenuation of radar signals in dB/m based on ilmenite content. We compare our measurement results with previous efforts to use Earth‐based radar maps to calculate the effect of ilmenite on radar attenuation and find that they are in agreement. We also revisit the ilmenite‐dependent loss tangent relationships of Carrier III et al. (1991) and demonstrate the significant frequency‐dependent effect of ilmenite content on signal attenuation as well as the effect of minor variations in loss tangent for depth‐to‐feature determinations. The results presented here are the first systematic laboratory measurements investigating the effect of ilmenite on radar attenuation and show future promise for the application of dielectric spectroscopy, or the identification of materials based on their electromagnetic properties in the radar and microwave range.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,085
Tête enseignante GPT0,352
Écart entre enseignants0,268 · 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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research PlanetsMême sujetGeophysical Methods and ApplicationsTravaux en français237 207