MétaCan
Menu
Retour à la cohorte
Enregistrement W1966989274 · doi:10.5539/mer.v3n2p73

The Ultra-Low Friction of Layer Structures

2013· article· en· W1966989274 sur OpenAlexvenueno aff
M. V. Nozhenkov

Notice bibliographique

RevueMechanical Engineering Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdhesion, Friction, and Surface Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDissipative systemTribologyvan der Waals forceElectron diffractionCondensed matter physicsComposite materialDiffractionThermodynamicsChemistry

Résumé

récupéré en direct d'OpenAlex

The article investigates the process of obtaining the properties of thin films of layered materials, applied vacuum ion-plasma deposition methods. A study of the tribological properties was performed electron diffraction and electron microscopy studies of the structure. It was found a positive effect of the deposition of wear-resistant sublayer and alloying of the antifriction layer, which led to a considerable increase endurance and appearance of ultra-low (super-low) friction. The generalized model of crystal growth mechanism and ultra-low friction, which is based on the possibility of mass transfer non-dissipative (energy) in the absence of resistance forces during the move. Also found that the ultra-low (super-low) friction, superconductivity and superfluidity are related phenomena defined by the phase transition of the energy distribution of particles through a critical value (energy potential barrier). Energetically favorable arrangement of the particles in the crystal lattice of the lattice for the realization of the non-dissipative movement with the disappearance of forces of resistance are the Van der Waals areas, which is followed by predicting the implementation of the investigated phenomena.

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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,026
Tête enseignante GPT0,286
Écart entre enseignants0,259 · 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

Citations3
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMechanical Engineering ResearchMême sujetAdhesion, Friction, and Surface InteractionsTravaux en français237 207