MétaCan
Menu
Retour à la cohorte
Enregistrement W2886500656 · doi:10.1088/1742-6596/1063/1/012059

A Multiscale Model to Incorporate Texture Evolution into Phenomenological Plasticity Models

2018· article· en· W2886500656 sur OpenAlexaff
CP Kohar, JL Bassani, R. K. Mishra, Kaan Inal

Notice bibliographique

RevueJournal of Physics Conference Series · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Forming Simulation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPhenomenological modelMicromechanicsPlasticityTexture (cosmology)Crystal plasticityMaterials scienceDeformation (meteorology)Statistical physicsFlow (mathematics)MechanicsComputer scienceArtificial intelligenceCondensed matter physicsPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Crystal plasticity is a micromechanics-based model that is regularly used to simulate plastic spin during large deformation. Although crystal plasticity can provide an accurate description of local deformation behaviour, it is often computationally expensive and usually replaced by flow rule-based phenomenological models that do not capture this phenomenon. This work presents a phenomenological-based texture evolution (PBTE) model that allows for the enhancement of flow rule-based models to capture microstructural spin in a phenomenological manner. A numerical framework is presented for generating and calibrating the microstructural evolution for the PBTE model using crystal plasticity. The PBTE Model is calibrated and employed to predict the macroscopic mechanical response and the generated microstructural spin for single crystal FCC cube during non-proportional strain paths.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,696
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

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 savante0,0000,001
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 Opus0,040
Tête enseignante GPT0,260
Écart entre enseignants0,220 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetMetal Forming Simulation TechniquesTravaux en français237 207