MétaCan
Menu
Retour à la cohorte

Software for Simulation of Oxidation Processes

2005· article· en· W2061445557 sur OpenAlexaff
Hua Li, Jianlong Lin, Jerzy A. Szpunar

Notice bibliographique

RevueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forum · 2005
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrostructureMaterials scienceOxideTexture (cosmology)CrystalliteGrain boundarySubstrate (aquarium)Phase (matter)HydrogenMetallurgyChemical engineeringComputer scienceChemistryGeologyEngineering

Résumé

récupéré en direct d'OpenAlex

A methodology for discrete simulation has been developed that incorporates many structural characteristics of polycrystalline material properties, such as: texture, grain boundaries, microstructure, phase composition, chemical composition, stored energy, and residual stresses. The computer models that have been developed to study oxidation processes are based on a quantitative description of the oxide and substrate structure. That description allows for the simulation of the transport of metal and oxygen ions along interfaces and bulk portions of material and the formation of oxide structure. The proposed model can help researchers and engineers to understand the physical mechanism of oxidation in order to predict material behavior and optimize material processing and properties. In this paper, the results on the simulation of the oxidation process are presented on different substrates of Zr-Nb alloys, which are used for the manufacturing the pressure tubes used in the CANDU nuclear reactors. The effects of substrate texture, microstructure, grain boundaries, and beta phase distribution on oxidation kinetics and hydrogen permeation are demonstrated.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0360,009

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 Opus0,038
Tête enseignante GPT0,300
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreLogiciel

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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefect and diffusion forum/Diffusion and defect data, solid state data. Part A, Defect and diffusion forumMême sujetNuclear Materials and PropertiesTravaux en français237 207