Comparison of Dislocation Density Tensor Fields Derived from Discrete Dislocation Dynamics and Crystal Plasticity Simulations of Torsion
Notice bibliographique
Résumé
<p class="1Body">The importance of accurate simulation of the plastic deformation of ductile metals to the design of structures and components is well-known. Many techniques exist that address the length scales relevant to deformation processes, including dislocation dynamics (DD), which models the interaction and evolution of discrete dislocation line segments, and crystal plasticity (CP), which incorporates the crystalline nature and restricted motion of dislocations into a higher scale continuous field framework. While these two methods are conceptually related, there have been only nominal efforts focused on the system-level material response that use DD-generated information to enhance the fidelity of plasticity models. To ascertain to what degree the predictions of CP are consistent with those of DD, we compare their global and microstructural response in a number of deformation modes. After using nominally homogeneous compression and shear deformation dislocation dynamics simulations to calibrate crystal plasticity flow rule parameters, we compare not only the system-level stress-strain response of prismatic wires in torsion but also the resulting geometrically necessary dislocation density tensor fields. To establish a connection between explicit description of dislocations and the continuum assumed with crystal plasticity simulations, we ascertain the minimum length-scale at which meaningful dislocation density fields appear. Our results show that, for the case of torsion, the two material models can produce comparable spatial dislocation density distributions.</p>
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».