Phase‐Field Modeling of Microstructural Evolution by Freeze‐Casting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Freeze‐casting has attracted great attention as a potential method for manufacturing bioinspired materials with excellent flexibility in microstructure control. The solidification of ice crystals in ceramic colloidal suspensions plays an important role during the dynamic process of freeze‐casting. During solidification, the formation of a microstructure results in a dendritic pattern within the ice‐template crystals, which determines the macroscopic properties of materials. In this paper, the authors propose a phase‐field model that describes the crystallization in an ice template and the evolution of particles during anisotropic solidification. Under the assumption that ceramic particles represent mass flow, namely a concentration field, the authors derive a sharp‐interface model and then transform the model into a continuous initial boundary value problem via the phase‐field method. The adaptive finite‐element technique and generalized single‐step single‐solve (GSSSS) time‐integration method are employed to reduce computational cost and reconstruct microstructure details. The numerical results are compared with experimental results, which demonstrate good agreement. Finally, a microstructural morphology map is constructed to demonstrate the effect of different concentration fields and input cooling rates. The authors observe that at particle concentrations ranging between 25 and 30% and cooling rate lower than −5° min −1 generates the optimal dendrite structure in freeze casting process.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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