MétaCan
Menu
Retour à la cohorte
Enregistrement W2758148598 · doi:10.1155/2017/6348569

Thermal Stability of Cryomilled Al-Mg-Er Powders

2017· article· en· W2758148598 sur OpenAlexafffund
Bamidele Akinrinlola, Raynald Gauvin, Carl Blais, Mathieu Brochu

Notice bibliographique

RevueJournal of Nanomaterials · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité LavalMcGill University
Organismes subventionnairesFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésMaterials scienceDifferential scanning calorimetryMicrostructureThermal stabilityAlloyGrain sizeAnnealing (glass)Grain growthAnalytical Chemistry (journal)Grain boundaryMetallurgyChemical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

In this study, the thermal stability of nanostructured Al-Mg alloy powders was investigated. Two alloy compositions, Al-5Mg-0.1Er and Al-5Mg-0.5Er (wt.%), were cryogenically milled for 30 h to produce nanostructured powders. The microstructure of the milled powders with increasing temperature was investigated by differential scanning calorimetry (DSC) with one-hour annealing performed at selected temperatures followed by X-ray diffraction (XRD) and electron microscopy analysis. Prolonged milling led to significant oxygen pick-up in the powders. The Al-5Mg-0.1Er powders experienced grain growth typical of cryomilled Al-Mg powders, while the Al-5Mg-0.5Er alloy showed improved thermal stability. An average grain size of ~20 nm was observed up to 400°C (~0.8 Tm ) in the Al-5Mg-0.5Er powders, and abnormal growth at 550°C resulted in a maximum observed grain size of 234 nm. Thermal stability in the Al-Mg-Er powders is attributed to the combined effects of solute/impurity drag and second-phase pinning (nanoscale oxides, nitrides, and oxynitrides) that impede grain boundary motion.

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 enseignants0,001
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 Opus0,017
Tête enseignante GPT0,231
Écart entre enseignants0,214 · 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

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NanomaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207