MétaCan
Menu
Retour à la cohorte
Enregistrement W2064293674 · doi:10.4236/jmmce.2014.22017

Effect of Surface Modification on Candidate Alloys for Canadian SCWR Fuel Cladding

2014· article· en· W2064293674 sur OpenAlexfundaboutno aff
Jian Li, Pei Liu, Renata Zavadil, T. Malis, Sami Penttilä

Notice bibliographique

RevueJournal of Minerals and Materials Characterization and Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceCladding (metalworking)CorrosionSurface modificationSupercritical fluidMetallurgyAusteniteStress corrosion crackingCrackingAustenitic stainless steelComposite materialMicrostructureChemical engineering

Résumé

récupéré en direct d'OpenAlex

The Canadian Generation-IV supercritical water reactor (SCWR) requires peak cladding surface temperature of 800℃ for a core outlet temperature of 625℃. Materials selection for high temperature fuel cladding is becoming one of the major challenging tasks. Austenitic stainless steels with excellent corrosion resistance are often susceptible to stress corrosion cracking upon SCW exposure. Low-Cr steels such as P91 exhibit good high-temperature mechanical properties, but the lack of sufficient Cr content makes this group of alloys corrode too fast. One possible solution is to use coatings or surface modification techniques to improve the surface resistance to corrosion. In this study, we investigated the effect of surface modification on commercial 316L stainless steel. Surface modification by mechanical deformation has marked improvement in corrosion resistance during SCW exposure. Possible mechanisms for such improvement are discussed.

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 enseignants0,991
Score d'incertitude au seuil0,018

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Minerals and Materials Characterization and EngineeringMême sujetNuclear Materials and PropertiesTravaux en français237 207