MétaCan
Menu
Retour à la cohorte
Enregistrement W2793667482 · doi:10.1155/2018/7607465

Rare Earth Metal‐Based Intermetallics Formation in Al–Cu–Mg and Al–Si–Cu–Mg Alloys: A Metallographic Study

2018· article· en· W2793667482 sur OpenAlexaff
A. M. Samuel, E. M. Elgallad, Mohamed Mahmoud, H. W. Doty, S. Valtierra, F. H. Samuel

Notice bibliographique

RevueAdvances in Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceIntermetallicMetallurgyRare earthMetalAluminiumAlloy

Résumé

récupéré en direct d'OpenAlex

This study was conducted on Al–Cu–Mg and Al–Si–Cu–Mg alloys containing either 5%La or 5%Ce. Two levels of Ti addition were examined, i.e., 0.05% and 0.15%. Thermal analysis was the only technique used to obtain castings, from which samples were then sectioned for metallographic examination. Based on the results obtained, the following points may be highlighted. Addition of a fairly large amount of RE metals (La or Ce) leads to the appearance of several peaks in the solidification curve between the precipitation of the primary α‐Al phase and the (Al–Al2Cu) eutectic reaction. Although a significant drop in the eutectic temperature is caused by the addition of 5%La or Ce, the corresponding modification of the eutectic Si is marginal. Two main types of intermetallics were documented: a gray phase in the form of sludge with a fixed composition and a white phase in the shape of thin platelets. Due to the high affinity of RE to react with Si, Fe, and Cu, several compositions were obtained explaining the observed multiple peaks in the solidification curve. Judging by the morphology of the gray phase, it is assumed that this phase is precipitated in the liquid state and acts as a nucleation site for the white phase. Lanthanum and Ce can substitute each other.

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: Observationnel · Signal consensuel: aucune
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
Bibliométrie0,0010,000
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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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'étudeObservationnel
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Materials Science and EngineeringMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207