Effects of carbon nano-additives on characteristics of TiC ceramics prepared by field-assisted sintering
Notice bibliographique
Résumé
Five carbonaceous nano-additives (graphite, graphene, carbon black, carbon nanotubes, and diamond) had different impacts on the sinterability, microstructural evolution, and properties of titanium carbide. In this research, the sintering by spark plasma was employed to produce the monolithic TiC and carbon-doped ceramics under the sintering parameters of 1900 ºC, 10 min, 40 MPa. The carbon black additive had the best performance in densifying the TiC, thanks to its fine particle size, as well as its high chemical reactivity with TiO2 surface oxide. By contrast, the incorporation of nano-diamonds resulted in a considerable decline in the relative density of TiC owing to the graphitization phenomenon, together with the gas production at high temperatures. Although carbon precipitation from the TiC matrix occurred in all samples, some of the added carbonaceous phases promoted this phenomenon, while the others hindered it to some extent. Amongst the introduced additives, carbon black had the most contribution to grain refining, so that a roughly halved average grain size was attained in comparison with the undoped specimen. The highest values of hardness (3233 HV0.1 kg), thermal conductivity (25.1 W/mK), and flexural strength (658 MPa) secured for the ceramic incorporated by 5 wt% nano carbon black.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».