MétaCan
Menu
Retour à la cohorte
Enregistrement W2947827472 · doi:10.1103/physrevlett.122.215501

Is Hydrogen Diffusion along Grain Boundaries Fast or Slow? Atomistic Origin and Mechanistic Modeling

2019· article· en· W2947827472 sur OpenAlexafffund
Xiao Zhou, Normand Mousseau, Jun Song

Notice bibliographique

RevuePhysical Review Letters · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensUniversité de MontréalRegroupement Québécois sur les Matériaux de PointeMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésKinetic Monte CarloThermal diffusivityDiffusionMaterials scienceGrain boundaryChemical physicsEmbrittlementTrappingDislocationHydrogen embrittlementHydrogenMonte Carlo methodDiffusion barrierCondensed matter physicsStatistical physicsMicrostructureThermodynamicsPhysicsNanotechnologyMetallurgy

Résumé

récupéré en direct d'OpenAlex

We perform comprehensive first-principles calculations and kinetic Monte Carlo simulations to explicitly elucidate the distinct roles of grain boundaries (GBs) in affecting hydrogen (H) diffusion in fcc nickel (Ni). We demonstrate the transition between slow and fast H diffusion along the GB with an abrupt change in H diffusivity. Low-angle GBs are shown to comprise isolated high-barrier regions to trap and inhibit H diffusion, with H diffusivity well prescribed by the classical trapping model, while high-angle GBs are shown to provide interconnected low-barrier channels to facilitate H transport. On the basis of the dislocation description of the GB and the Frank-Bilby model, the slow-fast diffusion transition is identified to result from dislocation core overlapping and is accurately predicted. The present Letter provides key mechanistic insights towards interpreting various experimental studies of H diffusion in metals, new critical knowledge for predictive modeling of H embrittlement, and better understanding of the kinetics of H and other interstitial impurities in microstructures.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,027
Tête enseignante GPT0,304
Écart entre enseignants0,277 · 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.

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

Citations97
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review LettersMême sujetHydrogen embrittlement and corrosion behaviors in metalsTravaux en français237 207