MétaCan
Menu
Retour à la cohorte
Enregistrement W3186929577 · doi:10.1557/s43578-022-00613-2

Deformation behaviour of ion-irradiated FeCr: A nanoindentation study

2022· article· en· W3186929577 sur OpenAlexaff
Kay Song, Hongbing Yu, Phani Karamched, Kenichiro Mizohata, David E.J. Armstrong, Felix Hofmann

Notice bibliographique

RevueJournal of materials research/Pratt's guide to venture capital sources · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFusion materials and technologies
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesH2020 European Research CouncilEngineering and Physical Sciences Research CouncilUniversity of Oxford
Mots-clésNanoindentationMaterials scienceNucleationIrradiationDislocationPlasticityDeformation (meteorology)Composite materialHardening (computing)IonWork hardeningCrystallographyMicrostructureChemistryNuclear physicsLayer (electronics)

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding the mechanisms of plasticity in structural steels is essential for the operation of next-generation fusion reactors. This work on the deformation behaviour of FeCr, focusses on distinguishing the nucleation of dislocations to initiate plasticity, from their propagation through the material. Fe3Cr, Fe5Cr, and Fe10Cr were irradiated with 20 MeV Fe3+ ions at room temperature to doses of 0.008 dpa and 0.08 dpa. Nanoindentation was then carried out with Berkovich and spherical indenter tips. Our results show that the nucleation of dislocations is mainly from pre-existing sources, which are not significantly affected by the presence of irradiation defects or Cr%. Yield strength, an indicator of dislocation mobility, increases with irradiation damage and Cr content, while work hardening capacity decreases mainly due to irradiation defects. The synergistic effects of Cr and irradiation damage in FeCr appear to be more important for the propagation of dislocations than for their nucleation. Graphical abstract

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,030
Tête enseignante GPT0,339
Écart entre enseignants0,308 · 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'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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of materials research/Pratt's guide to venture capital sourcesMême sujetFusion materials and technologiesTravaux en français237 207