MétaCan
Menu
Retour à la cohorte
Enregistrement W4392059298 · doi:10.1016/j.cis.2024.103114

Recent advances in synchrotron scattering methods for probing the structure and dynamics of colloids

2024· article· en· W4392059298 sur OpenAlexfundno aff
Theyencheri Narayanan

Notice bibliographique

RevueAdvances in Colloid and Interface Science · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMaterial Dynamics and Properties
Établissements canadiensnon disponible
Organismes subventionnairesEnvironmental Studies Research Funds
Mots-clésScatteringReciprocal latticeSynchrotronX-ray scattering techniquesComputer scienceStatistical physicsPhysicsNanotechnologyComputational physicsOpticsMaterials scienceNeutron scatteringDiffractionSmall-angle neutron scattering

Résumé

récupéré en direct d'OpenAlex

Recent progress in synchrotron based X-ray scattering methods applied to colloid science is reviewed. An important figure of merit of these techniques is that they enable in situ investigations of colloidal systems under the desired thermophysical and rheological conditions. An ensemble averaged simultaneous structural and dynamical information can be derived albeit in reciprocal space. Significant improvements in X-ray source brilliance and advances in detector technology have overcome some of the limitations in the past. Notably coherent X-ray scattering techniques have become more competitive and they provide complementary information to laboratory based real space methods. For a system with sufficient scattering contrast, size ranges from nm to several μm and time scales down to μs are now amenable to X-ray scattering investigations. A wide variety of sample environments can be combined with scattering experiments further enriching the science that could be pursued by means of advanced X-ray scattering instruments. Some of these recent progresses are illustrated via representative examples. To derive quantitative information from the scattering data, rigorous data analysis or modeling is required. Development of powerful computational tools including the use of artificial intelligence have become the emerging trend.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,334
Écart entre enseignants0,324 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Colloid and Interface ScienceMême sujetMaterial Dynamics and PropertiesTravaux en français237 207