MétaCan
Menu
Retour à la cohorte
Enregistrement W2944440098 · doi:10.1038/s41598-019-43500-3

Temperature and oxygen adsorption coupling effects upon the surface tension of liquid metals

2019· article· en· W2944440098 sur OpenAlexafffund
Aïmen E. Gheribi, Patrice Chartrand

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité de MontréalCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésSurface tensionOxygen tensionOxygenAdsorptionAluminiumWork functionMetalChemistryFormalism (music)ImpurityMaximum bubble pressure methodThermodynamicsMaterials scienceMetallurgyPhysical chemistryPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

An accurate knowledge of the surface tension of liquid metals is critical for many theoretical and practical applications, especially in the current context of emerging growth of nanotechnology. The surface tension and its temperature dependence are drastically influenced by the level of impurities in the metal such as oxygen, sulphur or carbon. For this reason, experimental surface tension data of metals reported in literature are scattered. Strictly speaking, when referring to the surface tension of liquid metals, both variables temperature and oxygen content must be specified. There exists no clear formalism describing the coupling effect temperature and the oxygen content upon the surface tension of liquid metals. The aim of this work is to fill this gap. A thermodynamically self-consistent formulation for the surface tension of liquid metals and semiconductors as a function of temperature and oxygen content is established. According to the proposed formalism, a reliable expression for the surface tension of pure and oxygen saturated metals is then derived. The proposed model is found to be in good agreement with available experimental data, showing a good predictive capability. Aluminium is chosen and thoroughly evaluated as a case study, due to its very high sensitivity to oxygen level. Its surface tension is explicitly formulated as a function of temperature and oxygen content.

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 seuil0,002

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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

Citations46
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207