MétaCan
Menu
Retour à la cohorte
Enregistrement W3047088495 · doi:10.1139/cjc-2020-0227

Effect of static liquid Galinstan on common metals and non-metals at temperatures up to 200 °C

2020· article· en· W3047088495 sur OpenAlexafffundvenue
Philip Geddis, Lijun Wu, Andrew M. McDonald, Steven Chen, Bruce Clements

Notice bibliographique

RevueCanadian Journal of Chemistry · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésMetallurgyBrassCorrosionMaterials scienceCopperBase metalAusteniteLiquid metalWelding

Résumé

récupéré en direct d'OpenAlex

Liquid metal Galinstan (GaInSn) is corrosive in nature against other solid metals as its base component is gallium. This study experimentally investigated the compatibility of GaInSn with eight common metals at temperatures up to 200 °C for 2000 h, including aluminum, copper, brass, ferritic and austenitic stainless steels (E-brite, SS304L, SS316L), and nickel-chromium alloys (Inconel and Hastelloy). This assessment aims to assist in design and material selection of a liquid metal magnetohydrodynamics system that houses Galinstan for power generation by low temperature natural heat sources or industrial waste heat. Design and fabrication of this renewable power system required assurance of material compatibility with common construction and instrumentation materials. The most severe corrosion effects of GaInSn on the metal alloys were observed on aluminum, copper, and brass, which confirms the results of previously conducted studies. No obvious corrosion on stainless steel or nickel–chromium alloys were observed by this study, which reveals that stainless steel has a good resistance to attack by GaInSn up to 200 °C. Six non-metals were also evaluated, including acronitrile butadiene styrene (ABS), acrylic, nitrile rubber (Buna N), nylon, polyvinyl chloride (PVC), and Teflon, which were deemed to be compatible with GaInSn up to the temperatures tested.

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 enseignants0,046
Score d'incertitude au seuil0,492

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 Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,204 · 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

Citations26
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207