MétaCan
Menu
Retour à la cohorte
Enregistrement W2845538702 · doi:10.5539/jmsr.v7n3p69

Effect of Annealing on Microstructure, Grain Growth and Hardness of Nanocrystalline Cu-Zr Alloy Prepared by Cryogenic Ball Milling

2018· article· en· W2845538702 sur OpenAlexvenueno aff
Nidhi Khobragade, Koushik Sikdar, Binod Kumar, Debdas Roy

Notice bibliographique

RevueJournal of Materials Science Research · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensnon disponible
Organismes subventionnairesIndo-US Science and Technology ForumNorth Carolina State University
Mots-clésMaterials scienceNanocrystalline materialIntermetallicMicrostructureAnnealing (glass)AlloyMetallurgyGrain boundaryGrain growthGrain sizeCopperBall millThermal stabilityChemical engineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

Nanocrystalline Cu-0.75 at.%Zr alloy was synthesized by high energy ball milling under cryogenic temperature. To investigate the influence of 0.75 at.%Zr addition on thermal stabilization of nanocrystalline state of Copper, milled powder was annealed up to T/Tm = 0.79 for 1h in an inert atmosphere. The microstructural changes of both milled and annealed powders were characterized by X-ray diffraction (XRD) and transmission electron microscopy (TEM). Mechanical properties were determined in terms of hardness. It was found that addition of 0.75 at.%Zr can stabilize grain size at higher temperature, i.e., ~ 32 nm at 800oC (T/Tm = 0.79). The hardness of Cu-0.75 at.%Zr at 800oC was found to decrease by only ~ 13% as opposed to a 65% decrease in pure copper from cryomilled condition. The thermal stability of Cu-0.75 at.%Zr system at high temperatures was attributed to the kinetic stabilization, i.e., grain boundary pinning by intermetallic phases. Thermal stability contributions were assessed by thermodynamic models elicits added Zr is not sufficient for stabilization, rather kinetic stabilization (by intermetallic pinning of grain boundary) became active at higher annealing temperature.

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)0,014
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,012
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
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 Opus0,026
Tête enseignante GPT0,340
Écart entre enseignants0,314 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMicrostructure and mechanical propertiesTravaux en français237 207