MétaCan
Menu
Retour à la cohorte
Enregistrement W2010687265 · doi:10.1063/1.3686273

Shock initiation of powder mixtures of aluminum with dense metal oxides

2012· article· en· W2010687265 sur OpenAlexaff
F. X. Jetté, Samuel Goroshin, David L. Frost, Fan Zhang

Notice bibliographique

RevueAIP conference proceedings · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergetic Materials and Combustion
Établissements canadiensDefence Research and Development CanadaMcGill University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceOxideAluminiumMetalMelting pointPorosityMixing (physics)Reactive materialSofteningStoichiometryMetal foamPorous mediumChemical engineeringComposite materialMetallurgyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Strong and dense structural reactive materials may be produced by mixing aluminum powders with heavy metal-oxide powders (such as Bi2O3, PbO, Pb3O4, I2O5, etc.). The addition of certain additives to such mixtures, such as V2O5 and B2O3, can lower the softening point of the oxide mixture below the melting point of aluminum. This could lead to the fabrication of dense and nonporous aluminum-metal oxide structural materials. The shock sensitivity of aluminum-metal oxide mixtures was investigated in this work. The minimum shock initiating pressure was obtained for various porous and non-porous aluminum-metal oxide mixtures using the shock recovery technique. Since most reactions of Al in metal oxide mixtures produce little pressure and material velocity changes but large increases in temperatures, thermocouples were used to observe the bulk reaction onset, which relates to the overall reaction rate, in those mixtures. The mixtures tested were found to be very sensitive to shock initiation and their reaction rates were found to be very fast, compared to other types of reactive powder mixtures. Finally, the addition V2O5 and B2O3 additives or the addition of liquid heptane (to fill the pores) did not significantly lower the sensitivity or reaction rates of the mixtures investigated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,014
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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 tête enseignante, 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetEnergetic Materials and CombustionTravaux en français237 207