Anti-counterfeiting method using synthesized nanocrystalline cellulose taggants
Bibliographic record
Abstract
Depuis que l'économie et le commerce existent, des gens ont tenté de créer des imitations de marchandises de valeur pour leur profit personnel. La contrefaçon engendre des pertes substantielles, coûtant entre 200 et 250 milliards de dollars annuellement à l'économie des États-Unis ainsi que des pertes de milliards de dollars à l'économie canadienne. L'augmentation de la contrefaçon souligne les limites des technologies présentement utilisées pour la sécurité et indique le besoin grandissant pour le développement d'une nouvelle technologie d'authentification. Dans cette contribution, nous synthétisons la nanocellulose cristalline (NCC), nous étudions les propriétés optiques de ce nouveau matériau, et nous proposons l'utilisation de la cellule nanocristalline (NCC) comme marqueur anti-contrefaçon sophistiqué. Nous suggérons que la NCC traceurs de sécurité possèdent plusieurs fonctions de sécurité: une irisation manifeste, une sélection de réflexions masquées, une fluorescence ultraviolette, une morphologie unique masquée et un motif de diffraction de la lumière blanche. L'origine de l'irisation de la NCC vient à la fois de la réflexion de Bragg sur de multiples interfaces et du relief sur la surface du réseau de diffraction, alors que la sélection de réflexions masquées vient de la structure chirale formée lors du moulage par autoassemblage du NCC. Afin d'inclure une autre caractéristique de sécurité masquée, la fluorescence ultraviolette, un agent azurant, est ajoutée au NCC en suspension ce qui lui apporte la fluorescence et l'irisation. Finalement, la morphologie du marqueur NCC et le motif de diffraction de la lumière blanche fournissent des éléments de sécurité masqués supplémentaires.La méthode proposée possède de multiples avantages par rapport aux méthodes d'anti-contrefaçon conventionnelles: un système de sécurité à multiples niveaux, incluant des caractéristiques manifestes et masquées. Ces caractéristiques sont très difficiles à reproduire mais peuvent être authentifiées grâce à des outils à faible coût ainsi qu'avec un système optique simple lorsque de plus amples tests seront nécessaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".