MétaCan
Menu
Retour à la cohorte
Enregistrement W4395052306 · doi:10.1016/j.ultramic.2024.113977

Elemental quantification using electron energy-loss spectroscopy with a low voltage scanning transmission electron microscope (STEM-EELS)

2024· article· en· W4395052306 sur OpenAlexafffund
Nicolas Dumaresq, Nicolas Brodusch, Stéphanie Bessette, Raynald Gauvin

Notice bibliographique

RevueUltramicroscopy · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHydro-Québec
Mots-clésScanning transmission electron microscopyLow-voltage electron microscopeConventional transmission electron microscopeElectron energy loss spectroscopyScanning electron microscopeEnergy filtered transmission electron microscopyMaterials scienceElectron beam-induced depositionSpectroscopyEnergy-dispersive X-ray spectroscopyTransmission electron microscopyElectron microscopeAnalytical Chemistry (journal)ElectronElectron tomographyOpticsChemistryNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

Electron beam damage in electron microscopes is becoming more and more problematic in material research with the increasing demand of characterization of new beam sensitive material such as Li based compounds used in lithium-ion batteries. To avoid radiolysis damage, it has become common practice to use Cryo-EM, however, knock-on damage can still occur in conventional TEM/STEM with a high-accelerating voltage (200-300 keV). In this work, electron energy loss spectroscopy with an accelerating voltage of 30,20 and 10 keV was explored with h-BN, TiB2 and TiN compounds. All Ti L2,3, N K and B K edges were successfully observed with an accelerating voltage as low as 10 keV. An accurate elemental quantification for all three samples was obtained using a multi-linear least square (MLLS) procedure which gives at most a 5% of standard deviation which is well within the error of the computation of the inelastic partial-cross section used for the quantification. These results show the great potential of using low-voltage EELS which is another step towards a knock-on damage free analysis.

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), Communication savante
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 enseignants0,218
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,286
Écart entre enseignants0,277 · 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

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUltramicroscopyMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207