MétaCan
Menu
Retour à la cohorte
Enregistrement W2521989654

Exploration of an electron work function - based strategy for tailoring materials

2014· article· en· W2521989654 sur OpenAlexaff
Dong Yang Li

Notice bibliographique

RevueJournal of Material Science & Engineering · 2014
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectron and X-Ray Spectroscopy Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésWork functionWork (physics)ElectronMaterials scienceMaterial DesignFunction (biology)Material propertiesAlloyTribologyNanotechnologyStatistical physicsPhysicsComposite materialThermodynamicsQuantum mechanics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

P of materials are fundamentally dependent on their electron state, which is largely reflected by the electron work function (EWF). A higher work function corresponds to a more stable electronic state with a higher resistance to any attempt of changing the state or related states of a material, such as crystal structure or microstructure caused by mechanical and electrochemical processes. In this talk, close correlation between EWF and material properties will be demonstrated. With this simple characteristic parameter, many material intrinsic properties and processes could be analyzed without involving complex theoretical treatments. Particular attention will be put on the possibility of using EWF as a fundamental parameter for material design, which provides information or clues in a simple or straightforward way for material modification and development. Using Cu-Ni alloy as an example, the correlation between the electron work function (EWF) and mechanical and tribological properties will be demonstrated. One may see that properties of the alloy vary with the electron work function when composition changes, implying that properties of a material can be modified using elements with appropriate work functions. This should also be applicable for tailoring inter-phase boundaries or interfaces.

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)0,003
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 enseignants0,133
Score d'incertitude au seuil0,543

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
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 savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Material Science & EngineeringMême sujetElectron and X-Ray Spectroscopy TechniquesTravaux en français237 207