MétaCan
Menu
Retour à la cohorte
Enregistrement W2067878159 · doi:10.1179/026708304225012026

Effect of Sr on primary<i>α</i>-Fe phase in liquid Al-11.5Si-0.4Mg cast alloy

2004· article· en· W2067878159 sur OpenAlexaff
X. Cao, John Campbell

Notice bibliographique

RevueMaterials Science and Technology · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésSuperheatingMaterials scienceAlloyParticle (ecology)PrecipitationVolume fractionPhase (matter)MetallurgyMass fractionParticle sizeAnalytical Chemistry (journal)ThermodynamicsChemical engineeringComposite materialChromatographyChemistry

Résumé

récupéré en direct d'OpenAlex

The effect of Sr on the sedimentation of primary α-Fe phase has been investigated at superheating temperatures of 760 and 900 °C. A convection free experimental technique was used to aid in quantifying the primary α-Fe particles sedimented at 600 °C for 4 h. Sr marginally decreases the formed particle weight at normal melting temperature (760 °C), but greatly increases the particle weight at the superheating temperature of 900 °C. Sr refines primary α-Fe particles at both temperatures, causing the increase of the number of primary α-Fe particles, especially when superheated at 900 °C. In addition, Sr causes a decrease in the particle volume fraction but an increase in the number of the sedimented particles, and a great increase in the depth of the sediment in the mould at higher superheating temperatures. These observations are interpreted in terms of the precipitation of Fe rich particles on suspended oxide films, and the rigidisation of suspended films at higher temperatures, possibly as a result of their change in chemistry, but especially as a result of inflation of their doubled-over form by hydrogen, and the effect this has on the multiplication of growing iron rich precipitates as a result of their mechanically unstable substrate.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 Opus0,004
Tête enseignante GPT0,221
Écart entre enseignants0,217 · 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

Citations18
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Science and TechnologyMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207