MétaCan
Menu
Retour à la cohorte
Enregistrement W2884233844 · doi:10.5539/jmsr.v7n4p26

Relation between Sub-grain Size and Dislocation Density During Steady-State Dislocation Creep of Polycrystalline Cubic Metals

2018· article· en· W2884233844 sur OpenAlexvenueno aff
Manabu Tamura

Notice bibliographique

RevueJournal of Materials Science Research · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Temperature Alloys and Creep
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDislocationCreepCrystalliteGrain sizeAusteniteAlloyMartensiteMetallurgyAustenitic stainless steelCondensed matter physicsComposite materialMicrostructurePhysics

Résumé

récupéré en direct d'OpenAlex

The sub-grain size, d, during steady-state dislocation creep of polycrystalline metals is theoretically formulated to be inversely proportional to the dislocation density, ρ, which is defined as the number of dislocations swept out of a sub-grain divided by the cross-sectional area of the sub-grain. This dislocation density differs from the typically observed dislocation density inside a sub-grain after unloading, ρ_ob. In the current work, the ρ_ob values inside sub-grains in steadily crept specimens of Al, Cu, Fe, Fe–Mo alloy, austenitic stainless steel, and high-Cr martensitic steel reported in the literature were used to evaluate the relation ρ_ob=ηρ. It was confirmed that η≈1 for pure metals (regardless of the type of metal) crept at high temperatures and low stresses or for long durations and η>1 for Mo-containing alloys and martensitic steel crept at low temperatures and/or high stresses. Moreover, it is suggested that the condition η>1 corresponds to a state of excess immobile dislocations inside the sub-grain. The theoretical relation d_ob (≈d)∝η∙〖ρ_ob〗^(-1), where d_ob is the observed sub-grain size, essentially differs from the well-known empirical relation d_ob∝〖ρ_ob〗^(-0.5).

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)0,001
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,025
Tête enseignante GPT0,307
Écart entre enseignants0,282 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetHigh Temperature Alloys and CreepTravaux en français237 207