MétaCan
Menu
Retour à la cohorte
Enregistrement W2983138072 · doi:10.1063/1.5121841

Intensification of shock damage through heterogeneous phase transition and dislocation loop formation due to presence of pre-existing line defects in single crystal Cu

2019· article· en· W2983138072 sur OpenAlexaff
K. Vijay Reddy, Chuang Deng, Snehanshu Pal

Notice bibliographique

RevueJournal of Applied Physics · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceDislocationShock (circulatory)Condensed matter physicsCrystal (programming language)Enhanced Data Rates for GSM EvolutionDeformation (meteorology)Phase transitionCritical resolved shear stressPhase (matter)Partial dislocationsSingle crystalShock waveStress (linguistics)CrystallographyShear (geology)Composite materialMechanicsChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In general, shock wave deformation studies of perfect single crystals may cause disagreement with the experimental findings as the complete elimination of all defects in the metallic system is not possible in reality. Here, we have studied the influence of edge and screw dislocations on the intensification of damage produced during the propagation of shock at various velocities. Various analyses have been performed such as common neighbor analysis, atomic strain analysis, stress analysis, and kinetic energy mapping to investigate the underlying plastic deformation mechanisms. Results have revealed that the presence of edge dislocations has caused intensified damage through localized amorphization and phase transition. In comparison with the perfect crystal, the presence of pre-existing edge dislocations has incurred an additional damage of ∼17% to the specimen region. On the other hand, the presence of screw dislocations in the specimen causes damage through shear bands and dislocation loop formation, which is found to constitute greater than 80% of the specimen region.

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 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 enseignants0,095
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,268
Écart entre enseignants0,240 · 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.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetMicrostructure and mechanical propertiesTravaux en français237 207