MétaCan
Menu
Retour à la cohorte
Enregistrement W2618705271 · doi:10.1139/cjp-2016-0926

Dynamic characterization of Cu–Zr binary bulk metallic glasses: A molecular dynamics study

2017· article· en· W2618705271 sur OpenAlexvenueno aff
Muhammad Imran, Fayyaz Hussain, Saba Altaf, Abdul Rehman, Muhammad Arshad Javid, Muhammad Ismail, M.A. Rashid, R.M. Arif Khalil, Abdul Sattar, Shabbir Ahmad

Notice bibliographique

RevueCanadian Journal of Physics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallic Glasses and Amorphous Alloys
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAmorphous metalMolecular dynamicsQuenching (fluorescence)Atom probeAtom (system on chip)Yield (engineering)Materials scienceCharacterization (materials science)Thermal expansionStrain rateMetalThermodynamicsAnalytical Chemistry (journal)Composite materialMicrostructurePhysicsMetallurgyNanotechnologyAlloy

Résumé

récupéré en direct d'OpenAlex

In the present study, a molecular dynamics simulation employing embedded atom method potential is performed to investigate the formation and characterization of CuZr bulk metallic glasses (BMGs). To elucidate the effect of component concentration of three samples of BMGs including Cu25Zr75, Cu50Zr50, and Cu75Zr25 that are formed by melt quenching. The local structure of BMGs is analyzed by means of radial distribution function and local atomic number density, ρ. The mechanical behavior of three compositions is investigated using uniaxial compressive loading at a constant strain rate. It is revealed from the results that yield strength increases with increasing Cu concentration. Thermal expansion of CuZr BMGs is examined and variation in length and volume is measured. The analysis revealed that Cu25Zr75, and Cu50Zr50 exhibited the typical expansion behavior while Cu75Zr25 showed an anomalous behavior.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of PhysicsMême sujetMetallic Glasses and Amorphous AlloysTravaux en français237 207