MétaCan
Menu
Retour à la cohorte
Enregistrement W4317940165 · doi:10.48550/arxiv.2301.08982

Soft X-ray spectro-ptychography on boron nitride nanotubes, carbon nanotubes and permalloy nanorods

2023· preprint· en· W4317940165 sur OpenAlexfundno aff
Jaianth Vijayakumar, Hao Yuan, Nicolas Mille, Stefan Stanescu, Sufal Swaraj, V. Favre‐Nicolin, Ebrahim Najafi, Adam P. Hitchcock, Rachid Belkhou

Notice bibliographique

RevueArXiv.org · 2023
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced X-ray Imaging Techniques
Établissements canadiensnon disponible
Organismes subventionnairesHorizon 2020 Framework ProgrammeCentre National de la Recherche ScientifiqueUniversidad Complutense de MadridMcMaster University
Mots-clésPtychographyMaterials scienceBoron nitrideCarbon nanotubeNanorodOpticsPermalloyHigh-resolution transmission electron microscopyResolution (logic)OptoelectronicsNanotechnologyDiffractionPhysicsTransmission electron microscopyComputer science

Résumé

récupéré en direct d'OpenAlex

Spectro-ptychography offers improved spatial resolution and additional phase spectral information relative to that provided by scanning transmission X-ray microscopes (STXM). However, carrying out ptychography at the lower range of soft X-ray energies (e.g., below 200 eV to 600 eV) on samples with weakly scattering signals can be challenging. We present soft X-ray ptychography results at energies as low as 180 eV and illustrate the capabilities with results from permalloy nanorods (Fe 2p), carbon nanotubes (C 1s), and boron nitride bamboo nanostructures (B 1s, N1s). We describe optimization of low energy X-ray spectro-ptychography and discuss important challenges associated with measurement approaches, reconstruction algorithms, and their effects on the reconstructed images. A method for evaluating the increase in radiation dose when using overlapping sampling is presented.

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)0,000
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 seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
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 Opus0,027
Tête enseignante GPT0,281
Écart entre enseignants0,254 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetAdvanced X-ray Imaging TechniquesTravaux en français237 207