MétaCan
Menu
Retour à la cohorte
Enregistrement W1981900708 · doi:10.1116/1.3207948

Formation and evolution of craters in carbon steels during low-energy high-current pulsed electron-beam treatment

2009· article· en· W1981900708 sur OpenAlexaff
Kemin Zhang, Jianxin Zou, Thierry Grosdidier, Chuang Dong

Notice bibliographique

RevueJournal of Vacuum Science & Technology A Vacuum Surfaces and Films · 2009
Typearticle
Langueen
DomaineEngineering
ThématiquePulsed Power Technology Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImpact craterNucleationMaterials scienceMicrostructureCarbon fibersGrain boundaryComposite materialAstrobiologyChemistry

Résumé

récupéré en direct d'OpenAlex

The authors investigated in detail the formation and evolution of microcraters induced by low-energy high-current pulsed electron-beam treatment on several quenched and tempered carbon steels. They have shown that the crater formation mechanism is the same for the three selected steels regardless of the carbon content and original microstructure state. Melting starts at the subsurface layer during treatment, resulting in the nucleation of small droplets preferentially at grain or phase boundaries. Under further heating, the boiling droplets erupt through the surface. The liquid around these craters shrinks to supply the lost part and, during the cooling process, leads to the formation of the funnel-like crater morphology. Microirregularities help retain locally the heat flux and, consequently, serve as nucleation sites for crater formations. By increasing the number of pulses, microirregularities were gradually removed and melted layer depth increased. As a result, crater formation became less effective. On the other hand, some of the already formed craters were deepened, while others were eliminated during the following pulses. The above processes together cause the crater density to first increase and then decrease, whereas the surface roughness first increases and then remains at the same level with increasing number of pulses.

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 enseignants0,003
Score d'incertitude au seuil0,005

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 Opus0,003
Tête enseignante GPT0,207
Écart entre enseignants0,204 · 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

Citations59
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vacuum Science & Technology A Vacuum Surfaces and FilmsMême sujetPulsed Power Technology ApplicationsTravaux en français237 207