Nanoscale Precursor Sites and their Importance in the Prediction of Stress Corrosion Cracking Failure
Notice bibliographique
Résumé
Stress corrosion cracking (SCC) usually initiates at locally compromised surface regions, and ultimately at nanoscale precursor sites. The ability to identify such sites would be instrumental in predicting SCC failure and developing proactive mitigation strategies. Modern microscopy capabilities allow for the requisite micro-to-atomic scale analysis to characterize SCC and identify precursor sites at various length scales. In the latter part of his career, Roger Staehle recognized and emphasized the benefit of modern capabilities in microscopy and computational science for modeling and performing physical characterization of atomic and nanoscale processes related to SCC. Consequently, he developed the quantitative micro-nano (QMN) approach with the goal of attaining a global model of SCC on an atomistic basis. This article reviews recent studies that have applied state-of-the-art microscopy techniques to characterize SCC and associated precursors in the context of the QMN approach. Initial examples used to demonstrate characterization of nanoscale precursors include SCC of Alloy 800 in Pb-containing, caustic, and acid sulfate solutions relevant to secondary side crevice environments in nuclear power plants. In line with the QMN approach, the focus is on characterizing and understanding SCC mechanisms, leading to prediction and identification of associated precursors. Precursors to secondary side SCC of Alloy 800 are shown to include monolayer-level S or Pb at oxide-metal interfaces, the onset of dealloying, or metastable pitting corrosion. Following this, intergranular oxidation embrittlement of Alloy 600 in hydrogenated water/steam environments is explored to demonstrate the benefits of a multitechnique approach to identify SCC precursors and highlight recent advancements in in situ microscopy. Although nuclear-relevant SCC systems are used as examples, the QMN approach and benefit of identifying nanoscale precursors that correlate with SCC failure are applicable to a broad spectrum of SCC systems.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».