MétaCan
Menu
Retour à la cohorte
Enregistrement W2016590250 · doi:10.4028/www.scientific.net/ssp.170.144

Replacement of Vanadium by Ferrovanadium in Ti-Based BCC Alloys for Hydrogen Storage

2011· article· en· W2016590250 sur OpenAlexafffund
Manuel Tousignant, Jacques Huot

Notice bibliographique

RevueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomena · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Natural Resources Limited
Mots-clésVanadiumMaterials scienceHydrogen storageArc meltingHydrogenHydrideMetallurgyCrystal structureSolid solutionChemical engineeringCrystallographyAlloyChemistry

Résumé

récupéré en direct d'OpenAlex

Ti-based BCC solid solutions are promising hydrogen storage applications. Unfortunately, the application of these alloys in large scale is hindered by the high cost of vanadium. The solution of this problem may be to replace vanadium by ferro-vanadium (FeV). Here, we report our recent investigation of compositions TiV1-xMn1+x and Ti(FeV)1-xMn1+x where x = -0.2, -0.1, 0, 0.1, 0.2. Each composition was synthesized by arc melting. No subsequent heat treatment was performed. The alloys’ crystal structure in as-cast state and after hydrogenation was inspected by X-ray powder diffraction. We found that replacement of vanadium by ferrovanadium had the positive effect of destabilization of the hydride which makes it more useful for practical applications. Also even if the total hydrogen capacity was reduced, the reversible capacity could be improved. We found that replacement of vanadium by ferrovanadium drastically change the crystal structure of hydrogenated compounds.

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)0,0000,000

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 Opus0,056
Tête enseignante GPT0,298
Écart entre enseignants0,242 · 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

Citations13
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiffusion and defect data, solid state data. Part B, Solid state phenomena/Solid state phenomenaMême sujetHydrogen Storage and MaterialsTravaux en français237 207