MétaCan
Menu
Retour à la cohorte
Enregistrement W4415648425 · doi:10.1093/mam/ozaf095

Overcoming Challenges in Atom Probe Tomography of Carbonate Minerals: Application of <i>In Situ</i> Chromium Coatings for Improved Experiment Yield

2025· article· en· W4415648425 sur OpenAlexaff
Renelle Dubosq, Tim M. Schwarz, Aparna Saksena, Christina Bakowsky, Baptiste Gault

Notice bibliographique

RevueMicroscopy and Microanalysis · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAtom probeCalciteCarbonateYield (engineering)CoatingChromiumMetalCrystal (programming language)Tomography

Résumé

récupéré en direct d'OpenAlex

Carbonate minerals such as calcite cover a significant portion of Earth's ice-free land surface. Beyond their widespread distribution, they play a critical role in geological processes, including the global carbon cycle and various biogeochemical processes. Understanding the crystal chemistry of carbonates is therefore essential for advancing our knowledge of these systems. Atom probe tomography offers promising potential for revealing nanoscale chemical and isotopic processes in minerals; however, its application to carbonates remains technically challenging due to their poor thermal conductivity and absorption. In this study, we apply and adapt an in situ metallic coating technique and optimize atom probe tomography acquisition parameters for calcite. The results demonstrate that applying a Cr coating to calcite specimens significantly improves experimental yield and enhances mass resolution during atom probe analysis. Despite these improvements, the data do not yield stoichiometric proportions for calcite due to the post-ionization dissociation of CxOy molecules into neutrals. These findings provide a framework for extending atom probe tomography methods to other poorly conducting or beam-sensitive materials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,068
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,258
Écart entre enseignants0,248 · 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 tête enseignante, 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207