MétaCan
Menu
Retour à la cohorte
Enregistrement W4319297836 · doi:10.1039/d2nr06382d

Boosting the sensitivity with time-gated luminescence thermometry using a nanosized molecular cluster aggregate

2023· article· en· W4319297836 sur OpenAlexafffund
Diogo A. Gálico, Muralee Murugesu

Notice bibliographique

RevueNanoscale · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueLuminescence Properties of Advanced Materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationUniversity of Ottawa
Mots-clésLuminescenceBoosting (machine learning)Aggregate (composite)Sensitivity (control systems)Cluster (spacecraft)Materials scienceAggregation-induced emissionNanotechnologyOptoelectronicsComputer scienceFluorescenceMachine learningOpticsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Luminescence thermometry with trivalent lanthanide ions is a promising avenue for contactless temperature probing. The area has been growing exponentially for the last two decades, and its viability has been successfully demonstrated in various research domains. However, moving from laboratory equipment to real-life applications remains a challenging task. One of the reasons is the possibility of a background luminescence from the probing device or probed environment. To tackle this issue, we elegantly incorporate a rarely explored thermometric approach called time-gated luminescence thermometry (TGLT). Furthermore, we demonstrate an enhanced relative sensitivity through this innovative approach and a path to move toward practical application.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,001

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 Opus0,015
Tête enseignante GPT0,244
Écart entre enseignants0,230 · 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
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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanoscaleMême sujetLuminescence Properties of Advanced MaterialsTravaux en français237 207