MétaCan
Menu
Retour à la cohorte
Enregistrement W2747417738 · doi:10.1080/1478422x.2017.1297575

The kinetics of film growth and their influence on the susceptibility to pitting of copper in aqueous sulphide solutions

2017· article· en· W2747417738 sur OpenAlexaff
Taylor Martino, Jian Chen, Z. Qin, David W. Shoesmith

Notice bibliographique

RevueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion Control · 2017
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensWestern University
Organismes subventionnairesSvensk Kärnbränslehantering
Mots-clésCopperCorrosionAqueous solutionChloridePitting corrosionErosion corrosion of copper water tubesElectrolyteElectrochemistryMetallurgyMaterials sciencePassivityKineticsPorosityInorganic chemistryChemistryElectrodeComposite material

Résumé

récupéré en direct d'OpenAlex

The formation of copper sulphide films on copper in aqueous sulphide solutions has been investigated under both natural corrosion and electrochemical conditions. Film growth occurs at the Cu2S/electrolyte interface and involves Cu+ transport through a generally porous film. Both corrosion and anodic film growth are suppressed by high chloride concentrations. Passivity, a pre-requisite for pitting, is achievable only at high sulphide concentrations and transport fluxes, conditions not expected under most geologic repository conditions since both sulphide groundwater concentrations and diffusive transport rates are expected to be low.This paper is part of a supplement on the 6th International Workshop on Long-Term Prediction of Corrosion Damage in Nuclear Waste Systems.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,017
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,240
Écart entre enseignants0,231 · 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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion ControlMême sujetCorrosion Behavior and InhibitionTravaux en français237 207