MétaCan
Menu
Retour à la cohorte
Enregistrement W2070061984 · doi:10.1088/0965-0393/17/5/055009

A molecular dynamics study of twin width, grain size and temperature effects on the toughness of 2D-columnar nanotwinned copper

2009· article· en· W2070061984 sur OpenAlexafffund
Ishraq Shabib, Ronald E. Miller

Notice bibliographique

RevueModelling and Simulation in Materials Science and Engineering · 2009
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceToughnessNanocrystalline materialGrain sizeCrystalliteComposite materialDislocationDuctility (Earth science)Molecular dynamicsCopperCrystal twinningAnisotropyGrain boundaryMetallurgyMicrostructureCreepNanotechnology

Résumé

récupéré en direct d'OpenAlex

The introduction of twin boundaries (TBs) within nanocrystalline grains has given scientists an opportunity to enhance mechanical properties that are usually mutually exclusive: strength and ductility. This research is focused on developing a complete understanding of the influences of twin width, grain size and temperature on the deformation characteristics and properties of nanotwinned Cu by large-scale molecular dynamics simulations. Simulation results have shown that a material's toughness can be enhanced by introducing nanotwins, and the enhancement is more pronounced for the higher twin density structures and at lower temperatures. Nanotwinned grains are found to be highly anisotropic in their plastic response; ductile along TBs but strong across them. A random polycrystalline sample gains toughness through the combined response of variously oriented grains. At extremely low temperature, toughness values are elevated further due to depressed dislocation activities inside the grains. The study has also revealed that, unlike twin width refinement, grain size refinement may not always yield superior properties, and may deteriorate material toughness.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

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 technologies0,0010,001
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 Opus0,008
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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
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

Citations41
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueModelling and Simulation in Materials Science and EngineeringMême sujetMicrostructure and mechanical propertiesTravaux en français237 207