MétaCan
Menu
Retour à la cohorte
Enregistrement W4391637901 · doi:10.1149/ma2023-02552684mtgabs

In Situ Transmission Electron Microscopy and Soft X-Ray Spectro-Microscopy to Understand Electrochemical Processes

2023· article· en· W4391637901 sur OpenAlexaff
Drew Higgins Higgins, Ahmed Abdellah, Chunyang Zhang, Kholoud Abousalem, Robert W. Black, Haytham Eraky, Adam P. Hitchcock

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensNational Research Council CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTransmission electron microscopyIn situMicroscopyElectron microscopeMaterials scienceElectrochemistryX-rayScanning confocal electron microscopyEnergy filtered transmission electron microscopyNanotechnologyOpticsElectrodeScanning transmission electron microscopyChemistryPhysicsPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical CO 2 conversion offers a route to use renewable sources of electricity to convert CO2 into valuable carbon-based fuels and chemicals, including carbon monoxide, ethanol and ethylene. For electrochemical CO 2 conversion technologies to become a viable component of future sustainable energy infrastructures, improved performance materials (catalysts, electrodes, membrane electrode assemblies) are needed to achieve high conversion rates, selectivity and single-pass utilization of CO 2 . This talk will focus on the development of techniques to characterize the properties of electrochemical CO 2 conversion materials under reaction conditions. These in-situ methods are producing results which will guide the design of next generation materials and reactors. The talk will focus primarily on in situ transmission electron microscopy (TEM) and related spectroscopic techniques (energy dispersive X-ray analysis and selected area electron diffraction), along with synchrotron-based methods including in-situ soft X-ray scanning transmission X-ray microscopy (STXM).

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,010
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,296
Écart entre enseignants0,284 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207