MétaCan
Menu
Retour à la cohorte
Enregistrement W3011961763 · doi:10.1016/j.jma.2020.02.003

Latest research advances on magnesium and magnesium alloys worldwide

2020· article· en· W3011961763 sur OpenAlexaff
Jiangfeng Song, Jia She, D.L. Chen, Fusheng Pan

Notice bibliographique

RevueJournal of Magnesium and Alloys · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesResearch and DevelopmentNational Key Research and Development Program of ChinaNational Science Foundation of Sri LankaSpecial Fund of Chongqing Key Laboratory
Mots-clésMagnesiumMaterials scienceMetallurgyCorrosion

Résumé

récupéré en direct d'OpenAlex

In the past two years, significant progresses have been achieved in high-performance cast and wrought magnesium and magnesium alloys, magnesium-based composites, advanced cast technologies, advanced processing technologies, and functional magnesium materials, such as Mg ion batteries, hydrogen storage Mg materials, bio-magnesium alloys, etc. Great contributions to the development of new magnesium alloys and their processing technologies have been made by Chongqing University, Shanghai Jiaotong University, Chinese Academy of Sciences, Helmholtz Zentrum Geesthacht, Queensland University, Brunel University, etc. This review paper is aimed to summarize the latest important advances in cast magnesium alloys, wrought magnesium alloys and functional magnesium materials worldwide in 2018–2019, including both the development of new materials and the innovation of their processing technologies. Based on the issues and challenges identified here, some future research directions are suggested, including further development of high-performance magnesium alloys having high strength and superior plasticity together with high corrosion resistance and low cost, and fundamental research on the phase diagram, diffusion, precipitation, etc., as well as the development of advanced welding and joining technology.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,006

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 Opus0,048
Tête enseignante GPT0,298
Écart entre enseignants0,250 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1 361
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Magnesium and AlloysMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207