MétaCan
Menu
Retour à la cohorte
Enregistrement W7125887549

Elemental analysis of multilayer and aerosol samples by simultaneous laser-based XRF and PIXE.

2025· other· en· W7125887549 sur OpenAlexaboutno aff
Nils Dietrich

Notice bibliographique

RevueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnalytical Chemistry (journal)X-ray fluorescenceGas analysisQualitative analysisElemental analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cette thèse présente la mise en oeuvre d’une analyse couche par couche de la composition chimique d’échantillons multicouches, en utilisant une combinaison des techniques Particle-Induced X-ray Emission (PIXE) et X-Ray Fluorescence (XRF) induites par laser sur l’installation ALLS à Varennes, Canada. Afin de réaliser l’analyse couche par couche, les capacités d’un programme MATLAB basé sur les travaux antérieurs du même groupe ont été étendues, et un nouveau programme d’analyse a été développé. De plus, un sélecteur d’énergie de protons a été intégré au montage expérimental. Ces deux élément forment la base, logicielle et matérielle, de la méthode de mesure multicouche proposée. La fonctionnalité du sélecteur d’énergie sur la ligne de faisceau de l’ALLS a été vérifiée et calibrée. Le programme MATLAB relatif à cette étude a été finalisé et validé à l’aide de données de mesure existantes. Qui plus est, afin d’identifier toutes les lacunes potentielles de la nouvelle méthodologie, de futures expériences avec des échantillons métalliques multicouches ont déjà été planifiées, permettant ainsi l’acquisition de données expérimentales complémentaires. De plus, il est démontré que l’utilisation simultanée des techniques PIXE et XRF, obtenues par l’interaction d’un laser de haute puissance avec une cible, peut être employée pour analyser les aérosols et les gaz d’émission dans l’air. Les expériences menées sur les aérosols ont démontré qu’il est possible de détecter de manière fiable des dilutions de krypton (Kr). Les projections indiquent une capacité à mesurer et quantifier des concentrations allant jusqu’à plusieurs centaines de ppm par rapport à une valeur de référence. Les performances du système sont principalement limitées par le dégazage des parois en aluminium de la chambre PIXE et par le comportement non linéaire de la jauge de pression à des pressions inférieures à 1 torr. This thesis presents the implementation of a layer-by-layer analysis for the chemical composition of multilayer samples, using a combination of laser-driven Particle-Induced X-ray Emission (PIXE) and X-Ray Fluorescence (XRF) at the ALLS facility in Varennes, Canada. To this end, the capabilities of a MATLAB routine based on previous work of the same group were extended, and a new routine for the analysis was developed. A proton energy selector was integrated into the experimental setup, with the two components forming the basis for the proposed multilayer measurement method from the software and hardware side. The functionality of the energy selector in the ALLS beamline was verified and calibrated. The custom MATLAB routine was finalized and validated using existing measurement data. For the full identification of potential shortcomings of the new methodology, future experiments with metallic multilayer samples have already been planned and scheduled, which will deliver further experimental data. Additionally, it is demonstrated that the simultaneous use of PIXE and XRF, generated through the interaction of a high-power laser with a target, can be employed to analyze aerosols and emission gases in air. The aerosol experiments indicate that krypton (Kr) dilutions can be reliably detected, with projections suggesting the capability to measure and quantify dilutions down to several hundred ppm when compared to a reference measurement. The system is, however, currently constrained by the hardware of the valve system.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,049
Tête enseignante GPT0,324
Écart entre enseignants0,275 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique)Travaux en français237 207