MétaCan
Menu
Retour à la cohorte
Enregistrement W4390502441 · doi:10.3390/books978-3-0365-9883-3

70th Year Anniversary of Carbon Nanotube Discovery—Focus on Real World Solutions

2023· book· en· W4390502441 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineMaterials Science
ThématiqueCarbon Nanotubes in Composites
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon nanotubeFocus (optics)NanotechnologyMaterials sciencePhysicsOptics

Résumé

récupéré en direct d'OpenAlex

This Special Issue reprint highlights seventy years since the discovery of carbon nanotubes (CNTs) in 1952 by Russian scientists LV Radushkevich and VM Lukyanovich in what was then the Union of Soviet Socialist Republics or the USSR. It also reflects the popularization by the well-known Japanese scientist S Iijima, since 1991, of carbon nanostructures, including CNTs, towards nanotechnology as a forever impactful and inspiring field. For researchers, academics, and teachers of all levels, from novice to expert to guru, the articles contained within this Special Issue are themed aroundsustainability from nanotechnology, pertaining to diameter measurement, rotor system molecular simulation, ultra-high tensile strength, energy, filtration via membrane distillation, environmental remediation using adsorption, ionic liquids as curing agents, biosensors and bioinspired sensors, and electrical/mechanical properties of polymer nanocomposites. The CNT is a legacy 1D nanomaterial, only after which was 2D graphene able to emerge.This is a global and mixed-country authorship Special Issue, with this reprint containing articles from Canada, Saudi Arabia, China, Russia, Spain, India, Japan, the United Arab Emirates (UAE), the USA, Germany, Turkiye, and Malaysia. The Guest Editor is from Singapore and began publishing critical work on the CNT-polymer interface towards the mechanical properties of the nanocomposite up to 20 years ago.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0020,001
Communication savante0,0080,005
Science ouverte0,0020,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0410,028

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 Opus0,022
Tête enseignante GPT0,250
Écart entre enseignants0,228 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCarbon Nanotubes in CompositesTravaux en français237 207