Long-Lived Transient Vacancy Distribution in Multilayers
Notice bibliographique
Résumé
Modeling the vacancy concentration in bi-metallic systems is a key step to understand thermal interdiffusion phenomena. For instance in the kinetics of precipitation, a strong difference between vacancy concentration in the precipitates and in the matrix, may change the precipitate mobility and the coarsening mechanism, the precipitate composition and morphology [1]. The origin of this inhomogeneous vacancy concentration is mainly due to the differences in migration energies ∆E and in formation energies ∆E of the vacancy in the two phases. The distribution of vacancy sinks and sources or the local lattice deformation should also play an important role. In this work, we focus on the influence of both ∆E and ∆E terms on the vacancy concentration profile in a phase separating a multilayer with planar (111) interfaces. The atomic diffusion model is a kinetic Ising-like model with a vacancy exchange mechanism. We perform both kinetic Mean-field and kinetic Monte-Carlo simulations in order to discuss how the vacancy concentration profile (VCP) reaches its steady-state. In the figure, we report the quasistationary VCP found at the vicinity of an (111) interface for ∆E = 0eV. As expected the vacancy strongly segregates into the two interface planes (p=-1,0) because of the tendency of the system to phase separate (the vacancy tends to reduce the number of AB pairs). More surprising is the decrease of the concentration in adjacent planes (p=-3,2,1,2). This marked decrease, that becomes asymmetric for ∆E = -0.1eV (see figure), is rationalized by invoking local correlation effects.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».