The variability in hydrocarbon ions (CnH−) of polymers detected by ToF-SIMS: principal component analysis on carbon density and cross-linking degree
Notice bibliographique
Résumé
Negative hydrocarbon ions, C n H − (n = 1–10), are ubiquitous in time-of-flight secondary ion mass spectrometry, but their utility may have been overlooked. Recently, however, it has been demonstrated that the ion intensity ratio between C 6 H − and C 4 H − , denoted as ρ, can differentiate the chemical structures of polymers such as polyethylene, polypropylene, polyisoprene and polystyrene, as well as depth profile the cross-linking degree of poly (methyl methacrylate). It was found that ρ increases with the carbon density of polymers. Principal component analysis (PCA), a dimensionality reduction technique, can reveal hidden data structures through exploring the relationships among the C n H − intensities for the four polymers. Assisted by the biplot approach, PCA is key to uncovering hidden data structures, from which characteristic ions may be identifiable and their relationships classifiable. The four polymers were classified by their carbon densities, which dictate the variability of C n H − intensities and are captured by the first principal component (PC1). It also became clear that PC1 is correlated with ρ. This data-driven analytical approach is imperative when differentiating chemicals with similar structures, especially when diagnostic ions are lacking. We demonstrate the usefulness of this approach by examining poly (methyl methacrylate) with different degrees of cross-linking.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».