Thermodynamic optimisation of the FeO–Fe<sub>2</sub>O<sub>3</sub>–SiO<sub>2</sub> (Fe–O–Si) system with FactSage
Notice bibliographique
Résumé
Abstract Phase equilibrium and thermodynamic experimental data available in the literature on the FeO – Fe 2 O 3 – SiO 2 (Fe – O – Si) system were critically reviewed and used to obtain a self-consistent set of parameters for thermodynamic models for all oxide phases using the FactSage computer package. The present optimisation covers the range of oxygen partial pressures from equilibrium with pure oxygen to metal saturation and temperatures from 25 °C to above the liquidus. The present thermodynamic optimisation was performed as part of the development of a thermodynamic database for the multi-component system Al – Ca – Fe – Mg – O – Pb – Si – Zn; the thermodynamic parameters for the Fe – O – Si system therefore were chosen to be consistent not only with the experimental data in this ternary system, but also with the data in higher-order systems. The modified quasichemical model was used for the liquid slag phase. Sublattice (based upon the compound-energy formalism) and polynomial models were used for the spinel (magnetite) and monoxide (wustite) solid solutions, respectively. The use of physically reasonable models means that the models can be used to predict thermodynamic properties and phase equilibria in composition and temperature regions where experimental data are not available. From these model parameters, the optimised ternary phase diagram of the FeO – Fe 2 O 3 – SiO 2 (Fe – O – Si) system was back calculated. The database of the model parameters can be used in conjunction with computer software for Gibbs-free-energy minimisation in order to calculate all thermodynamic properties and any type of phase-diagram section in the FeO – Fe 2 O 3 – SiO 2 (Fe – O – Si) system.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».