MétaCan
Menu
Retour à la cohorte

Understanding the Influence of Surface Acid and Base Properties and Water on Work Functions and Triboelectric Charging Using Inverse Gas Chromatography

2006· article· en· W4378446136 sur OpenAlexaff
Rick Veregin, Maria McDougall, Mike Hawkins, Cuong Vong, Vlad Skorokhod, H. A. Schreiber

Notice bibliographique

RevueTechnical programs and proceedings/Technical program and proceedings · 2006
Typearticle
Langueen
DomaineChemistry
ThématiqueAdsorption, diffusion, and thermodynamic properties of materials
Établissements canadiensPolytechnique MontréalXerox (Canada)
Organismes subventionnairesnon disponible
Mots-clésInverse gas chromatographyAdsorptionWork functionRelative humidityTriboelectric effectChemistryWork (physics)HumidityOxideBase (topology)Chemical engineeringInverseMaterials scienceAnalytical Chemistry (journal)MetalChromatographyThermodynamicsOrganic chemistryPhysical chemistryGeometryMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Inverse Gas Chromatography (IGC) has been applied to study surface Lewis acid and base properties of xerographic developers. Model carrier and toners were prepared and the toners blended with metal oxide surface additives: silica, titania and alumina. The effect of additives on charging, work functions and surface chemistry, as measured by IGC, was studied. All properties were evaluated as a function of relative humidity, to improve understanding of the effect of water as relative humidity increases. Results under dry and wet conditions generally support a work function model for charging, where work functions are determined by surface acid-base properties. Adsorption of water onto surfaces can be followed by IGC, work functions and charging. All provide a consistent picture that water adsorption leads to surfaces that have essentially the properties of adsorbed water at sufficiently high RH.

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 enseignants0,002
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,222
Écart entre enseignants0,182 · 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnical programs and proceedings/Technical program and proceedingsMême sujetAdsorption, diffusion, and thermodynamic properties of materialsTravaux en français237 207