MétaCan
Menu
Retour à la cohorte

Effect of Trace Addition of Sn in Al-Cu Alloy

2006· article· en· W1979279428 sur OpenAlexfundno aff
T. Honma, David W. Saxey, Simon P. Ringer

Notice bibliographique

RevueMaterials science forum · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of SydneyAustralian Research CouncilOntario Ministry of Natural Resources and Forestry
Mots-clésAtom probeNucleationHigh-resolution transmission electron microscopyTransmission electron microscopyMaterials scienceAlloyPrecipitationCluster (spacecraft)CrystallographyAtom (system on chip)Analytical Chemistry (journal)Phase (matter)Electron tomographyAgeingScanning transmission electron microscopyMetallurgyNanotechnologyThermodynamicsChemistry

Résumé

récupéré en direct d'OpenAlex

The trace addition of Sn (0.01 at.%) to an Al-1.7Cu (at.%) alloy has been investigated using atom probe tomography (APT), transmission electron microscopy (TEM) and high resolution transmission electron microscope (HRTEM). We have studied samples in the as-quenched (AQ) condition and following ageing at both 160 and 200 °C for very short ageing times so as to better understand the early stages of the decomposition processes. Our data reveal independent Cu-Cu and Sn-Sn clusters in the AQ condition, though we did not observe Cu-Sn clustering. We observed for the first time that some of these initial Cu-clusters develop into GP zones during subsequent ageing at temperatures as high as 200 °C. The Sn atom clustering results in precipitation of independent - Sn particles after aging for 30 sec. The GP zones consequently undergo reversion and this liberates Cu atoms which seem to participate in a cluster-assisted heterogeneous nucleation of the phase at the interface of the -Sn. For ageing at 200 °C, this process is complete within 180 sec.

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)0,001
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,003
Tête enseignante GPT0,225
Écart entre enseignants0,222 · 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

Citations18
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207