MétaCan
Menu
Retour à la cohorte
Enregistrement W2328373915 · doi:10.1021/jp503673k

Chemical Basis of the Tribological Properties of AgTaO<sub>3</sub> Crystal Surfaces

2014· article· en· W2328373915 sur OpenAlexaff
Hongyu Gao, Alberto Otero‐de‐la‐Roza, Samir Aouadi, Ashlie Martini, Erin R. Johnson

Notice bibliographique

RevueThe Journal of Physical Chemistry C · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensNational Institute for Nanotechnology
Organismes subventionnairesAir Force Office of Scientific Research
Mots-clésLubricantMaterials scienceTribologyInertChemical physicsMolecular dynamicsComposite materialCrystal (programming language)Surface energySurface (topology)ThermalDensity functional theoryNanotechnologyThermodynamicsChemistryComputational chemistryGeometry

Résumé

récupéré en direct d'OpenAlex

The chemical properties of a surface determine the friction and wear behavior of a material during sliding. In this article, we study the mechanisms underlying the sliding behavior of the AgTaO 3 perovskite material, a promising high-temperature solid lubricant that presents excellent friction properties and is chemically inert. In particular, by employing a combination of molecular dynamics simulations and density-functional theory calculations, we show that the low friction of AgTaO 3 at high temperature is explained by silver aggregation on the surface, which is enabled by the low energy barriers associated with silver migration. Two different surface terminations (AgO and TaO 2 ) are studied, and we show that the migration barrier on the AgO surface is smaller, favoring silver aggregation, which affects both friction and wear. Regardless of the termination, the formation of soft silver clusters dominates the sliding behavior when enough energy (mechanical or thermal) is imparted to the surface.

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 enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry CMême sujetLubricants and Their AdditivesTravaux en français237 207