MétaCan
Menu
Retour à la cohorte
Enregistrement W2096670144 · doi:10.1039/c4fd00244j

A mechanistic model for oxide growth and dissolution during corrosion of Cr-containing alloys

2015· article· en· W2096670144 sur OpenAlexaff
Mojtaba Momeni, J.C. Wren

Notice bibliographique

RevueFaraday Discussions · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOxideDissolutionOverpotentialMetalCorrosionChemistryArrhenius equationInorganic chemistryFlux (metallurgy)ElectrochemistryThermodynamicsMaterials scienceMetallurgyPhysical chemistryActivation energyElectrode

Résumé

récupéré en direct d'OpenAlex

We have developed a corrosion model that can predict metal oxide growth and dissolution rates as a function of time for a range of solution conditions. Our model considers electrochemical reactions at the metal/oxide and oxide/solution interfaces, and the metal cation flux from the metal to the solution phase through a growing oxide layer, and formulates the key processes using classical chemical reaction rate or flux equations. The model imposes mass and charge balance and hence, is labeled as the Mass Charge Balance (MCB) model. Mass and charge balance dictate that at any given time the oxidation (or metal cation) flux must be equal to the sum of the oxide growth flux and the dissolution flux. For each redox reaction leading to the formation of a specific oxide, the metal oxidation flux is formulated using a modified Butler-Volmer equation with an oxide-thickness-dependent effective overpotential. The oxide growth and dissolution fluxes have a first-order dependence on the metal cation flux. The rate constant for oxide formation also follows an Arrhenius dependence on the potential drop across the oxide layer and hence decreases exponentially with oxide thickness. This model is able to predict the time-dependent potentiostatic corrosion behaviour of both pure iron, and Co-Cr and Fe-Ni-Cr alloys.

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)0,001
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,237 · 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

Citations29
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaraday DiscussionsMême sujetCorrosion Behavior and InhibitionTravaux en français237 207