MétaCan
Menu
Retour à la cohorte
Enregistrement W3047134723 · doi:10.3390/ma13153441

Thermal Stability of Aluminum Alloys

2020· review· en· W3047134723 sur OpenAlexafffund
Frank Czerwiński

Notice bibliographique

RevueMaterials · 2020
Typereview
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésMaterials scienceCastingMicrostructureAerospaceMetallurgyAlloyThermal stabilityAluminiumService lifeThermalAutomotive industryPowder metallurgyComposite materialEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Thermal stability, determining the material ability of retaining its properties at required temperatures over extended service time, is becoming the next frontier for aluminum alloys. Its improvement would substantially expand their range of structural applications, especially in automotive and aerospace industries. This report explains the fundamentals of thermal stability; definitions, the properties involved; and the deterioration indicators during thermal/thermomechanical exposures, including an impact of accidental fire, and testing techniques. For individual classes of alloys, efforts aimed at identifying factors stabilizing their microstructure at service temperatures are described. Particular attention is paid to attempts of increasing the current upper service limit of high-temperature grades. In addition to alloying aluminum with a variety of elements to create the thermally stable microstructure, in particular, transition and rare-earth metals, parallel efforts are explored through applying novel routes of alloy processing, such as rapid solidification, powder metallurgy and additive manufacturing, engineering alloys in a liquid state prior to casting, and post-casting treatments. The goal is to overcome the present barriers and to develop novel aluminum alloys with superior properties that are stable across the temperature and time space, required by modern designs.

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 enseignants0,004
Score d'incertitude au seuil0,013

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
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,034
Tête enseignante GPT0,247
Écart entre enseignants0,213 · 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

Citations252
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207