MétaCan
Menu
Retour à la cohorte
Enregistrement W4400234993 · doi:10.11159/iccste24.186

Determination of Optical Constant of a Clear Glass Material using Spectrophotometer Measurements

2024· article· en· W4400234993 sur OpenAlexvenueno aff
Maatouk Khoukhi

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Roughness and Optical Measurements
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstant (computer programming)Materials scienceOpticsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Many qualities make glass attractive, as it is transparent, chemically inert, environmentally friendly, sustainable, strong, easily available and relatively cheap.Recently, many researchers have been interested in designing buildings to get the benefit from daylight inside, which saves a lot of building consumption for artificial lighting, which gives visual and thermal comfort and also contributes to reducing costs.The complex refractive index of glass is a very crucial concept because it determines not only how much light is reflected and transmitted, but also its angle of refraction in glass.The optical constants of glass material are very useful for determining its radiative properties, as well as for selecting the appropriate thin-film coatings on a glass substrate.The objective of this study is to calculate the real part (n) and the imaginary part (k) of the complex refractive index of a clear glass material using a simple method based on the reflectivity and transmissivity measurements.In this study, the parts n and k are derived from the equations of the reflectivity at near zero incidence and transmissivity at normal incidence using Shimadzu IR-70 Spectrophotometer and Cary 5E Spectrophotometer apparatuses.The real and the imaginary parts of the complex refractive index of the glass sample obtained in the present study are in very good agreement with Rubin's data.However, a direct comparison between different samples is not possible, due to the difference in manufacturing process and material composition.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,244
Écart entre enseignants0,212 · 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'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
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetSurface Roughness and Optical MeasurementsTravaux en français237 207