MétaCan
Menu
Retour à la cohorte
Enregistrement W1641093353 · doi:10.1063/1.2158971

Magnetocaloric effect in Gd5Si2Ge2∕Gd composite materials

2006· article· en· W1641093353 sur OpenAlexaff
Ming Yue, Ji Zhang, Hong Zeng, H. Chen, Xubo Liu

Notice bibliographique

RevueJournal of Applied Physics · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnetic and transport properties of perovskites and related materials
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMagnetic refrigerationSpark plasma sinteringMaterials scienceGadoliniumComposite numberRefrigerantAdiabatic processSinteringAtmospheric temperature rangeMagnetic fieldComposite materialMagnetizationMetallurgyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Spark plasma sintering technique has been applied to synthesize composite Gdx(Gd5Si2Ge2)1−x (x=0.3, 0.5, and 0.7) with layer structure using high-purity gadolinium (Gd) metal and Gd5Si2Ge2 alloys. The magnetocaloric effect of the composites was studied by directly measuring adiabatic temperature change (ΔTad) with a magnetic-field change of 1.5T using a homemade magnetocaloric effect measuring apparatus. With increasing x from 0.3 to 0.7, ΔTad peak temperature shifted from 286to293K and the peak values of ΔTad slowly increased from 1.6to2.0K at a magnetic-field change of 1.5T. Meanwhile, the ΔTad peak of the composite broadened as Gd content was increased. For x=0.7, the composite showed a ΔTad ranging from 1.1to2.0K at a magnetic-field change of 1.5T in a temperature range of 260–300K, which adapted to work as a room-temperature refrigerant.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,185 · 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

Citations18
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetMagnetic and transport properties of perovskites and related materialsTravaux en français237 207