MétaCan
Menu
Retour à la cohorte
Enregistrement W3021578466 · doi:10.5006/c2019-13489

Characterization of Sulfur-assisted Degradation in Alloy 800

2019· article· en· W3021578466 sur OpenAlexaff
Kevin Daub, J.M. Smith, S.Y. Persaud

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensCanadian Nuclear LaboratoriesQueen's University
Organismes subventionnairesnon disponible
Mots-clésDegradation (telecommunications)AlloySulfurMaterials scienceCharacterization (materials science)MetallurgyCorrosionComputer scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Crack initiation testing was performed on Alloy 800 (Fe-33Ni-21Cr) blunt-notched tensile specimens exposed to 0.55 mol/kg sulfate solutions at 280 °C with pH280C 3. These conditions were anticipated to produce a variety of sulfur-assisted degradation phenomena in Alloy 800 for the purpose of analytical TEM characterization. Initial imaging of the notch of Alloy 800 tensile specimens revealed a combination of environmentally-assisted cracking (EAC), intergranular corrosion (IGC), and pitting corrosion occurring up to approximately 50 μm in depth. Energy dispersive x-ray spectroscopy (EDX) of EAC revealed a mixture of Ti and Cr-rich oxides, with a sulfur layer at the oxide-metal interface, either incorporated in the oxide or as a sulfide compound associated with Ti. EDX characterization of pitting corrosion indicated only minor oxide formation at the pit-metal interface, with clear identification of a nano-scale sulfur layer at the pit-metal interface, accompanied by a relatively low concentration of oxygen and major alloying elements. The sulfur layer could indicate adsorption of sulfur on the bare metal with near complete surface coverage during pitting, which effectively limits lateral oxide growth and accelerates metal dissolution in the underlying region. Further details on the mechanistic interpretation of results will be discussed.

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 enseignants0,110
Score d'incertitude au seuil0,370

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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Materials Characterization TechniquesTravaux en français237 207