Plasticity of Mg–Gd alloys between 4 K and 298 K
Notice bibliographique
Résumé
Mechanisms of strength and ductility in textured Mg–Gd binary alloys are investigated under conditions of uniaxial tension and compression at 4.2, 78 and 298 K. The alloys obey solution strengthening relationships between the critical stress and the concentration of the solute c, which scales as , with n assuming values 0.30–0.53 for tension and 0.73–0.87 for compression. The results suggest that Gd solute hardens the compressive yield modes more than the tensile yield modes, with basal slip and extension twinning being the principal yielding mechanisms in tension and compression. Temperature dependence of the yield stress and stress suggests contribution of non-basal slip systems to the yielding of alloys. Twinning accounts for more than 80% of sample strain in the first 7% of compression, resulting in characteristic S-shape flow curves with four hardening stages. The work hardening in Stage A is determined by the extension twins propagating throughout primary grains and interacting with grain boundaries. Slip-twin interactions control the work hardening rate during Stage B, whereas slip–slip interactions determine the work hardening in fully twinned materials during Stage C and D. Under tension twining is less active, the plastic flow is associated with Stage III of work hardening, determined predominantly by slip–slip interactions. Increasing Gd concentration in the alloys leads to the reduction of tension–compression asymmetry, in agreement with results in the literature. Addition of Gd influences the failure and promotes ductile, transgranular fracture mode in Mg–Gd alloys down to the low temperatures. It is argued that Gd improves the cohesion strength of grain boundaries, which suppresses intergranular failure and affects favourably ductility of Mg–Gd 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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».