MétaCan
Menu
Retour à la cohorte
Enregistrement W3096892895 · doi:10.1088/1361-648x/abc6c3

Investigating the kinetics of the formation of a C Cottrell atmosphere around a screw dislocation in bcc iron: a mixed-lattice atomistic kinetic Monte-Carlo analysis

2020· article· en· W3096892895 sur OpenAlexafffund
R Candela, Simon Gelin, Normand Mousseau, Roberto Gomes de Aguiar Veiga, Christophe Domain, Michel Perez, Charlotte Becquart

Notice bibliographique

RevueJournal of Physics Condensed Matter · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensUniversité du Québec à MontréalPolytechnique MontréalRegroupement Québécois sur les Matériaux de Pointe
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São PauloUniversité de LilleCompute Canada
Mots-clésKinetic Monte CarloMonte Carlo methodDislocationLattice (music)Kinetic energyStatistical physicsMaterials sciencePhysicsCondensed matter physicsClassical mechanicsMathematics

Résumé

récupéré en direct d'OpenAlex

We present a mixed-lattice atomistic kinetic Monte-Carlo algorithm (MLKMC) that integrates a rigid-lattice AKMC approach with the kinetic activation-relaxation technique (k-ART), an off-lattice/self-learning AKMC. This approach opens the door to study large and complex systems adapting the cost of identification and evaluation of transition states to the local environment. To demonstrate its capacity, MLKMC is applied to the problem of the formation of a C Cottrell atmosphere decorating a screw dislocation in α-Fe. For this system, transitions that occur near the dislocation core are searched by k-ART, while transitions occurring far from the dislocation are computed before the simulation starts using the rigid-lattice AKMC. This combination of the precision of k-ART and the speed of the rigid-lattice makes it possible to follow the onset of the C Cottrell atmosphere and to identify interesting mechanisms associated with its formation.

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 enseignants0,068
Score d'incertitude au seuil0,291

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 Opus0,023
Tête enseignante GPT0,223
Écart entre enseignants0,200 · 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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Condensed MatterMême sujetNuclear Materials and PropertiesTravaux en français237 207