MétaCan
Menu
Retour à la cohorte

Software for Simulation of Diffusion Process in Polycrystalline Material

2005· article· en· W2079951274 sur OpenAlexaff
Hua Li, 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
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCrystalliteMaterials scienceGrain boundaryDiffusionDiffusion processGrain boundary diffusion coefficientSoftwareAnnealing (glass)Triple junctionTexture (cosmology)Computer scienceStatistical physicsMicrostructureComposite materialPhysicsThermodynamicsArtificial intelligenceMetallurgy

Résumé

récupéré en direct d'OpenAlex

Understanding of diffusion processes in polycrystalline solids is of importance for studying processes like oxidation, precipitation, creep, superplastic forming, annealing and many other processes. In this paper, we will introduce our latest software that is able to simulate the diffusion process in poly and nano-crystalline solids. The diffusion process is simulated based on Random Walk theory. The diffusion matrix can be computer generated or obtained from the experimental measurement using Orientation Imaging Microscopy. The software describes microstructure and incorporates the effects of the material’s texture, grain size and shape, grain boundary character distribution, statistical information on CSL boundary distributions, contribution from triple junctions and interfaces, the trapping of diffusing atoms and interaction of atoms with second phases and voids. A built-in database of diffusivities of various diffusing species and the user friendly interface make the software easy to use. The software is also applicable to thin films and multilayer structures. The output of simulation can be presented as a normalized concentration profile, a two-dimensional contour map of diffusing species, and also using many other statistical representations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0330,006

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 Opus0,020
Tête enseignante GPT0,284
Écart entre enseignants0,264 · 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'étudeSans objet
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

Citations1
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 sujetMaterials Engineering and ProcessingTravaux en français237 207