MétaCan
Menu
Retour à la cohorte
Enregistrement W2592311248 · doi:10.1080/02670836.2017.1288777

Characterisation and thermodynamic calculations of biodegradable Mg–2.2Zn–3.7Ce and Mg–Ca–2.2Zn–3.7Ce alloys

2017· article· en· W2592311248 sur OpenAlexaff
Hamid Reza Bakhsheshi‐Rad, Esah Hamzah, S. L. Joy Yii, Ahmad Mostafa, Reza Ebrahimi‐Kahrizsangi, Mamoun Medraj

Notice bibliographique

RevueMaterials Science and Technology · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceElongationMicrostructureAlloyUltimate tensile strengthPhase (matter)Nuclear chemistryMetallurgyMagnesiumChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In the present study, the effect of Ca (0.5–6 wt-%) content on the microstructure, phase formation, and mechanical properties and in vitro degradation behaviour of Mg–2.2Zn–3.7Ce alloys were investigated. Microstructural analysis and thermodynamic calculations also showed that Mg–2.2Zn–3.7Ce alloy contain α-Mg, Mg 12 Ce and CeMgZn 2 , while after adding 0.5 wt-% Ca to Mg–2.2Zn–3.7Ce alloy, IM1 (Ca 3 Mg x Zn 15− x ) (4.6 ≤ x ≤ 12) phase was detected. Further addition of Ca to 6 wt-% resulted in forming Mg 2 Ca besides α-Mg, Mg 12 Ce and IM1 with the absence of CeMgZn 2 . The tensile strength and elongation of the Mg–Ca–2.2Zn–3.7Ce alloys increase with increasing Ca content up to 1.5 wt-%, while further addition of Ca to 6 wt-% has a reversed effect. Similarly, the degradation rate of the alloys increased first with increasing Ca content and then decreased.

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 candidatesÉtudes des sciences et des technologies
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 enseignants0,072
Score d'incertitude au seuil1,000

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 technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,244
Écart entre enseignants0,230 · 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.

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

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials Science and TechnologyMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207