MétaCan
Menu
Retour à la cohorte
Enregistrement W2602581808 · doi:10.1017/s1431927617000150

Interface Segregation and Nitrogen Measurement in Fe–Mn–N Steel by Atom Probe Tomography

2017· article· en· W2602581808 sur OpenAlexaff
Brian Langelier, H.P. Van Landeghem, Gianluigi A. Botton, Hatem S. Zurob

Notice bibliographique

RevueMicroscopy and Microanalysis · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésAtom probeMaterials scienceInterface (matter)NitrogenAtom (system on chip)Analytical Chemistry (journal)MetallurgyComposite materialChemistryEnvironmental chemistryComputer scienceEmbedded systemMicrostructure

Résumé

récupéré en direct d'OpenAlex

Improved understanding of the interactions between solutes and the austenite/ferrite interface can benefit modeling of ferrite growth during austenite decomposition, as the transformation kinetic is significantly affected by solutes that influence interface mobility. Solute-interface interactions dominate solute segregation at the interface in binary systems, but in multi-component alloys, solute-solute interactions may also affect segregation. In this study, interface segregation in Fe-Mn-N is examined and compared with Fe-Mn-C, to reveal the extent to which C affects the segregation of Mn. Atom probe tomography (APT) is well-suited to analyze solute concentrations across the interface, as this technique combines high spatial resolution and compositional sensitivity. Measurements of Mn show that segregation is only observed for Fe-Mn-C. This demonstrates that Mn segregation is primarily driven by an affinity for C, which also segregates to the interface. However, the measurement of N in steels by APT may be affected by a variety of experimental factors. Therefore, in verifying the Fe-Mn-N result, systematic examination is conducted on the influence of pulsing method (voltage versus laser), sample preparation (ion milling versus electropolishing), and vacuum storage on the measured N concentration. Both laser pulsing and focused ion beam sample preparation are observed to decrease the apparent N concentration.

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 enseignants0,004
Score d'incertitude au seuil0,007

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy and MicroanalysisMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207