MétaCan
Menu
Retour à la cohorte
Enregistrement W2730446167 · doi:10.1149/ma2017-02/10/722

An Svet Study of the Localised Corrosion of ZE20 Mg Alloy in Chloride Containing Electrolyte

2017· article· en· W2730446167 sur OpenAlexaff
Carol Frances Glover, J.R. Kish, G. Williams

Notice bibliographique

RevueECS Meeting Abstracts · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCorrosionAlloyMagnesiumUltimate tensile strengthImmersion (mathematics)Magnesium alloyCurrent densityMetallurgyDuctility (Earth science)ChlorideComposite material

Résumé

récupéré en direct d'OpenAlex

The localised corrosion behaviour of ZE20 magnesium alloy (composition Mg-2.4Zn-0.2Ce) is studied by a scanning vibrating electrode technique (SVET) in immersion conditions. Such alloys have improved ductility compared to commercial alloys due to the random structure produced by Ce additions, making them suitable for lightweight automotive parts. The alloy has been developed such that ductility and strength are optimised (27% elongation, 135 MPa yield strength; 225 MPa ultimate tensile strength) for such applications where ‘crashworthiness’ and formability are key. The corrosion resistance of magnesium alloys is still a significant challenge and understanding the mechanism by which corrosion occurs is fundamental to advancing performance. In the current study, SVET is used to measure the time-resolved local current density distributions in situ over freely corroding sample surfaces. The localised corrosion rates of ZE20 are studied in terms chloride concentration and pH. Figure 1 shows representative current density maps of the alloy freely corroding in immersion conditions. Figure 1 Surface plot showing the distribution of normal current density (jz) above a ZE20 magnesium alloy sample at times (a) 5 h and (b) 6.5 h following immersion in aerated 2 M aqueous NaCl at pH 7. Figure 1

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 seuil0,004

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 Opus0,023
Tête enseignante GPT0,273
Écart entre enseignants0,250 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207