MétaCan
Menu
Retour à la cohorte
Enregistrement W2130322281 · doi:10.1017/s143192761200150x

Contribution of a New Generation Field-Emission Scanning Electron Microscope in the Understanding of a 2099 Al-Li Alloy

2012· article· en· W2130322281 sur OpenAlexafffund
Nicolas Brodusch, Michel L. Trudeau, Pierre Michaud, Lisa Rodrigue, Julien Boselli, Raynald Gauvin

Notice bibliographique

RevueMicroscopy and Microanalysis · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensHydro-QuébecMcGill University
Organismes subventionnairesHydro-QuébecAlcoa
Mots-clésMaterials scienceScanning electron microscopeMicrostructureAlloyField emission gunScanning transmission electron microscopyCharacterization (materials science)Transmission electron microscopyTexture (cosmology)MicroanalysisGrain boundaryLithium (medication)Field emission microscopyMetallurgyNanotechnologyDiffractionComposite materialOpticsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Aluminum-lithium alloys are widespread in the aerospace industry. The new 2099 and 2199 alloys provide improved properties, but their microstructure and texture are not well known. This article describes how state-of-the-art field-emission scanning electron microscopy (FE-SEM) can contribute to the characterization of the 2099 aluminum-lithium alloy and metallic alloys in general. Investigations were carried out on bulk and thinned samples. Backscattered electron imaging at 3 kV and scanning transmission electron microscope imaging at 30 kV along with highly efficient microanalysis permitted correlation of experimental and expected structures. Although our results confirm previous studies, this work points out possible substitutions of Mg and Zn with Li, Al, and Cu in the T1 precipitates. Zinc and magnesium are also present in "rice grain"-shaped precipitates at the grain boundaries. The versatility of the FE-SEM is highlighted as it provides information in the macro- and microscales with relevant details. Its ability to probe the distribution of precipitates from nano- to microsizes throughout the matrix makes FE-SEM an essential technique for the characterization of metallic 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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,309
Écart entre enseignants0,288 · 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

Citations21
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207