Preparation and Characterization of Microporous Layers on Titanium
Notice bibliographique
Résumé
Microporous layers on titanium (Ti) are formed by chemical treatment in highly concentrated alkaline media, and their properties and growth mechanism are examined using electrochemical techniques, in situ resistometry, scanning electron microscopy (SEM), grazing-incident X-ray diffraction (GIXRD), and glow discharge optical emission spectroscopy (GD-OES). Chemical treatment in a 5 M aqueous KOH solution yields results superior to those from the same treatment in a 5 M aqueous NaOH solution, while a 3 M aqueous LiOH solution does not produce porous layers. The cation constituting the solution plays a vital role in the process. An SEM analysis reveals that the KOH solution is the most effective in forming microporosity and that the longer the treatment time, the more porous the near-surface layer. The results of GIXRD analysis show the presence of Na(2)Ti(5)O(11) and K(2)Ti(6)O(13) in the layers formed in the NaOH and KOH solutions, respectively; in the case of the LiOH solution, TiO(2) is formed. Chemical treatment in the NaOH and KOH solutions resembles a general corrosion process with the existence of local cathodic and anodic sites. The reduction reaction produces H(2), some of which becomes absorbed in the near-surface region of Ti, while the oxidation reaction produces the above-mentioned compounds and/or an oxide layer. The presence of hydrogen (H) within the solid is detected using GD-OES. The H-containing near-surface layer partially dissolves, yielding a microporous structure. The development and dissolution of the H-containing near-surface layer of Ti upon chemical treatment in the NaOH and KOH solutions are confirmed by resistometry measurements. They point to the formation of a compact passive layer on Ti upon exposure to the LiOH solution.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».