Rapid Fluorescence EEM spectra acquisition using super-cycle Hadamard-Transform Multiplexing
Notice bibliographique
Résumé
Hadamard-transform multiplexing has recently been applied to increasingly complex spectroscopic techniques. It had been shown that the data acquisition time for fluorescence Excitation-Emission-Matrix spectroscopy can be reduced by one or two orders of magnitude using Hadamard-Transform multiplexing of the excitation light using a programmable lightsource. In these previous studies, the data acquisition rate had been limited by the time it took to record an EEM, i.e. to complete one cycle of multiplexed excitation spectra. The extraction of chemical information, such as concentration and chemical identity, is then obtained from parallel factor (PARAFAC) analysis of the sequence of EEM spectra. In this contribution we increase the data acquisition rate by another order of magnitude, i.e. to the time it takes to record a single excitation spectrum. Our algorithm is entirely based on improved data processing, i.e. it can be applied to previously recorded Hadamard-Transform multiplexed data sets. The algorithm is based on three previously unexplored approaches: (1) we perform a PARAFAC multivariate analysis on the raw (multiplexed) data set (2) the PARAFAC loading vectors are obtained prior to obtaining the score vectors, (3) when loading vectors are difficult to obtain from the stack of EEM spectra, we instead use a rolling-average approach to considerably increase the number of spectra and the stability of the fit. Analysis of experimental data shows that fluorescence EEM spectra with 7 excitation wavelengths and over 1000 emission wavelengths can be obtained in less than 20 ms.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».