A recipe for laboratory-grown crystals
Notice bibliographique
Résumé

 
 
 
 Clinopyroxenes are among the first minerals to crystallize out of a ferromagnesian silicate magma. They commonly exhibit “sectorzoning”, a phenomenon whereby the crystal incorporates elements in different proportions on non-equivalent crystal faces. By growing clinopyroxene crystals in the laboratory, it is possible to investigate controls on compositional variation, which provides insight on magmatic processes. The goal of this research was to develop an experimental method for growing synthetic clinopyroxene (a silicate mineral) in a carbonate melt rather than in a silicate one. This is advantageous since silicate residue on the clinopyroxene crystal may damage crystal faces, which contain important information on growth features, unlike carbonate residue which is easily dissolved leaving crystal faces intact. The carbonate melt was modeled after the alkali-rich carbonatite lavas erupting at Oldoinyo Lengai, Tanzania by using powdered clinopyroxene, magnetite and alkali carbonates containing up to 5% wt. water as starting materials, and running the experiment at conditions of 800∞C and 10 kbars. Clinopyroxene crystals in a carbonate crystalline matrix were retrieved from the experiment capsules, and cleaned for imaging and analysis with the atomic force microscope (AFM), scanning electron microscope (SEM) and electron microprobe (EMP). This experimental approach provides well-preserved crystal faces whose surfaces can be examined at nanoscale resolution. This technique could be applied to a wide range of synthetic silicate minerals, and the resulting observations help to better understand the relationship between crystal surface structure and trace element uptake during crystal growth.
 
 
 
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».