MétaCan
Menu
Retour à la cohorte
Enregistrement W1977415779 · doi:10.1063/1.3686336

Enhanced reactivity of mechanically-activated nano-scale gasless reactive materials consolidated via the cold-spray technique

2012· article· en· W1977415779 sur OpenAlexaff
Antoine Bacciochini, Matei I. Radulescu, Yannick Charron-Tousignant, Jason Van Dyke, B. Jodoin, Michel Nganbe, M. Yandouzi, Julian Lee

Notice bibliographique

RevueAIP conference proceedings · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensDefence Research and Development CanadaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMaterials sciencePorosityConsolidation (business)Composite materialGas dynamic cold sprayMicrostructureNano-Supersonic speedReactivity (psychology)Ball millNanocompositeMechanics

Résumé

récupéré en direct d'OpenAlex

The present study presents a novel method to prepare nano-scale energetic materials with high reactivity, vanishing porosity, structural integrity and arbitrary shape. The experiments have focused on the Ni-Al system. To increase the reactivity, an initial mechanical activation was achieved by the ball milling technique. The consolidation of the materials used the supersonic cold gas spray technique, where the particles are accelerated to high speeds and consolidated via plastic deformation upon impact, forming activated nanocomposites in arbitrary shapes with close to zero porosity. This technique permits to retain the microstructures in the powders and prevents any reactions during the consolidation phase. The material reactivity is addressed through the flame propagation velocity, which showed an increase in the flame speed of the cold sprayed samples by up to one order of magnitude compared to their cold pressed counterparts.

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 seuil0,003

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 savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,207 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetEnergetic Materials and CombustionTravaux en français237 207