General Method for Fitting Kinetics from the SECM Images of Reactive Sites on Flat Surfaces
Notice bibliographique
Résumé
Scanning electrochemical microscopy (SECM) is a technique for imaging electrochemical reactions at a surface. The interaction between electrochemical reactions occurring at the sample and scanning electrode tip is quite complicated and requires computer modeling to obtain quantitative information from SECM images. Often, existing computer models must be modified, or a new model must be created from scratch to fit kinetic parameters for different reactive features. This work presents a method that can simulate the SECM image of a reactive feature of any shape on a flat surface which is coupled to a computer program which effectuates the automated fitting of kinetic information from these images. This fitting program is evaluated along with several methods for estimating the shapes of reactive features from their SECM images. Estimates of the reactive feature shape from SECM images were not sufficiently accurate and produced median relative errors for the surface rate constant that were >50%. Fortunately, more precise techniques for imaging the reactive features such as optical microscopy can supply sufficiently accurate shapes for the fitting procedure to produce accurate results. Fits of simulated SECM images using the actual shape from the simulation produced median relative errors for the surface rate constant that were <10% for the smallest reactive features tested. This method was applied to the SECM images of aluminum alloy AA7075 which revealed diffusion-limited kinetics for ferrocene methanol reduction over inclusions in the surface of the alloy.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».