MétaCan
Menu
Retour à la cohorte
Enregistrement W2910308156 · doi:10.1088/1361-665x/aafeed

First principles study of hydrogen in lead zirconate titanate

2019· article· en· W2910308156 sur OpenAlexafffund
Manura Liyanage, Ronald E. Miller, R. K. N. D. Rajapakse

Notice bibliographique

RevueSmart Materials and Structures · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectronic and Structural Properties of Oxides
Établissements canadiensSimon Fraser UniversityCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCarleton University
Mots-clésLead zirconate titanateLead (geology)Materials scienceLead titanateFerroelectricityGeologyOptoelectronicsDielectric

Résumé

récupéré en direct d'OpenAlex

Abstract Lead zirconate titanate (PZT) is a widely used piezoelectric and ferroelectric material with applications ranging from actuators in fuel injectors to ferroelectric random-access memories. Hydrogen is known to cause degradation in most metals through a ductile-to-brittle transformation called hydrogen embrittlement. Similarly, piezoelectric materials have also been found to degrade through hydrogen exposure, not only due to embrittlement, but also through reduced polarity and Pb migration. This gives rise to the need of understanding the behavior of hydrogen in piezoelectric material. This research presents the initial results of a study which aims to simulate hydrogen diffusion in PZT using multi-scale simulation techniques. First-principles calculations were done to determine the possible hydrogen occupancy locations in the PZT lattice. For these locations we calculated the effect on polarization and the dimensions of the PZT lattice by dissolved hydrogen and predicting paths available for the escape of hydrogen atoms. These results will serve as a basis for future nudged elastic band calculations to determine the diffusion characteristics for the individual diffusion steps, which can in turn be used to predict the bulk diffusion characteristics with kinetic Monte Carlo simulations.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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'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

Citations7
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmart Materials and StructuresMême sujetElectronic and Structural Properties of OxidesTravaux en français237 207