MétaCan
Menu
Retour à la cohorte
Enregistrement W2180761661 · doi:10.3390/ma8115423

Hydrogenation Properties of TiFe Doped with Zirconium

2015· article· en· W2180761661 sur OpenAlexafffund
Catherine Gosselin, Jacques Huot

Notice bibliographique

RevueMaterials · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceAlloyZirconiumMicrostructureIntergranular corrosionScanning electron microscopeHydrogenMetallurgyDopingOxidePhase (matter)Chemical engineeringComposite materialOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

The goal of this study was to optimize the activation behaviour of hydrogen storage alloy TiFe. We found that the addition of a small amount of Zr in TiFe alloy greatly reduces the hydrogenation activation time. Two different procedural synthesis methods were applied: co-melt, where the TiFe was melted and afterward re-melted with the addition of Zr, and single-melt, where Ti, Fe and Zr were melted together in one single operation. The co-melted sample absorbed hydrogen at its maximum capacity in less than three hours without any pre-treatment. The single-melted alloy absorbed its maximum capacity in less than seven hours, also without pre-treatment. The reason for discrepancies between co-melt and single-melt alloys was found to be the different microstructure. The effect of air exposure was also investigated. We found that the air-exposed samples had the same maximum capacity as the argon protected samples but with a slightly longer incubation time, which is probably due to the presence of a dense surface oxide layer. Scanning electron microscopy revealed the presence of a rich Zr intergranular phase in the TiFe matrix, which is responsible for the enhanced hydrogenation properties of these Zr-doped TiFe 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 seuil0,832

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,001

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 Opus0,043
Tête enseignante GPT0,232
Écart entre enseignants0,190 · 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 tête enseignante, 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

Citations46
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetHydrogen Storage and MaterialsTravaux en français237 207