MétaCan
Menu
Retour à la cohorte
Enregistrement W4407153842 · doi:10.1364/oe.554129

Laser spectroscopy applied in radiocarbon dating with the bomb peak

2025· article· en· W4407153842 sur OpenAlexaff
Qiang Ling, Daru Chen, Luca Varricchio, Amelia Detti, Saverio Bartalini, Zuguang Guan

Notice bibliographique

RevueOptics Express · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésOpticsRadiocarbon datingSpectroscopyLaserMaterials scienceLaser beamsLaser-induced breakdown spectroscopyGeologyPhysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

Bomb-peak dating plays a crucial role in forensic applications. By comparing the radiocarbon concentrations of samples containing biological carbon with the bomb-peak curve, their ages can be accurately determined. Accelerator mass spectroscopy (AMS) is currently the most advanced technique for radiocarbon analysis; however, it is hindered by high costs, complex construction, maintenance requirements, and labor-intensive sample preparation. In contrast, S aturated absorption CA vity R ing-down (SCAR) spectroscopy has merged as an innovative, cost-effective, and efficient alternative for radiocarbon analysis. This technique has already demonstrated its competitiveness in biofraction analysis. In this study, we report, for the first time, the application of SCAR spectroscopy in bomb-peak dating. Unlike AMS, SCAR spectroscopy directly measures the concentration of radiocarbon by analyzing the absorption spectrum of 14 CO 2 gas, eliminating the need for complex graphitization during sample preparation. To evaluate the feasibility of this technique in dating applications, we analyzed various types of samples, including wine, paper, and wood. The radiocarbon ages obtained using SCAR spectroscopy showed reasonable consistency with the age information of these samples, demonstrating its potential as a reliable tool for bomb-peak dating.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0030,001

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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,213 · 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
GenreMéthodes

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

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetIsotope Analysis in EcologyTravaux en français237 207