MétaCan
Menu
Retour à la cohorte
Enregistrement W4405531938 · doi:10.1016/j.talanta.2024.127390

Microscale quantitation of heavy metals by back-scattering interferometry in conjunction with photothermal effect using a single laser beam

2024· article· en· W4405531938 sur OpenAlexaff
Xiaoliang Zhang, Xiaohong Chen, Xiaofang Shi, Xiaochun Li, Hua‐Zhong Yu

Notice bibliographique

RevueTalanta · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésChemistryMicroscale chemistryPhotothermal therapyInterferometryLaserLaser beamsOpticsBeam (structure)

Résumé

récupéré en direct d'OpenAlex

A microanalytical technique based on the photothermal effect in conjunction with back-scattering interferometry (BSI) using a single laser beam was developed for quantitative detection of heavy metals. After the chromogenic reaction of an analyte in a capillary tube, the photothermal effect induced by irradiation with the same laser beam leads to a change of the refractive index of the solution, which can be "quantified" using the BSI technique. For prove-of-concept, Cu(II) was chosen as the trial analyte, for which the solution changes to purplish through reacting with the chromogenic reagent; a single laser beam of 532 nm was adapted for both inducing the photothermal effect and realizing BSI detection. With as little as 1.0 μL solution, a limit of detection (LOD) of 0.10 mg/L for Cu(II) was achieved. In addition, the versatility of the technique was demonstrated by detecting other two heavy metal ions, Fe(II) and Cr(VI), with limits of detection of 0.06 mg/L and 0.04 mg/L, respectively. The demonstrated detection sensitivity, application versatility, and instrumentation simplicity of this new technique promises it as a practical tool for environmental monitoring and beyond.

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)0,000
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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 présentoui

Explorer davantage

Même revueTalantaMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207