Supplementary material from "Secondary ion mass spectrometry, a powerful tool for revealing ink formulations and animal skins in medieval manuscripts"
Notice bibliographique
Résumé
Book production by medieval scriptoria have gained growing interest in recent studies. In this context, identifying ink compositions and parchment animal species from illuminated manuscripts is of great importance. Here, we introduce time-of-flight secondary ion mass spectrometry (ToF-SIMS) as a non-invasive tool to identify both inks and animal skins in manuscripts, at the same time. For this purpose, both positive and negative ion spectra in inked and non-inked areas were recorded. Chemical compositions of pigments (decoration) or black inks (text) were determined by searching for characteristic ion mass peaks. Animal skins were identified by data processing of raw ToF-SIMS spectra using principal component analysis (PCA). In illuminated manuscripts from the fifteenth to sixteenth century, malachite (green), azurite (blue), cinnabar (red) inorganic pigments, as well as iron-gall black ink, were identified. Carbon black and indigo (blue) organic pigments were also identified. Animal skins were identified in modern parchments of known animal species by a two-step PCA procedure. We believe the proposed method will find extensive application in material studies of medieval manuscripts, as it is non-invasive, highly sensitive and able to identify both inks and animal skins at the same time, even from traces of pigments and tiny scanned areas.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,687 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».