MétaCan
Menu
Retour à la cohorte
Enregistrement W4285397817 · doi:10.1149/ma2022-01161006mtgabs

Atomic-Scale Oxide Growth and Dissolution Kinetics on Ni-Cr Alloys

2022· article· en· W4285397817 sur OpenAlexaff
Penghao Xiao, Christine A. Orme, Brandon C. Wood

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOxideDissolutionPassivationAlloyMaterials scienceCorrosionMetalKineticsPhase (matter)Chemical engineeringThermodynamicsMetallurgyChemical physicsInorganic chemistryPhysical chemistryChemistryNanotechnologyLayer (electronics)Physics

Résumé

récupéré en direct d'OpenAlex

Passivation oxide formation is the key for corrosion control of metal alloys. The kinetics of competing oxide formation and dissolution determines alloy corrosion behaviors in aqueous solution. Despite the important role of the multi-component oxide evolution, little has been known on the kinetics from the atomistic level. To this end, we have built a computational framework that enables simulations of competing kinetic processes in multi-component oxides from first principles. The effects of applied voltage, pH and temperature on oxide growth, dissolution and reprecipitation can all be captured in this model. Combining with our experimental measurements on alloy 22, we identified three voltage regimes with distinct oxide thicknesses and compositions. In the low voltage regime, oxide growth is the dominating process. The Cr/Ni ratio in the oxide is close to that in the alloy. In the medium voltage regime, Ni dissolves from the mixed oxide, NixCryO, and reprecipitates back as Ni oxide, NixO, to achieve phase separation. The resulted oxide film is significantly thickened with a duplex structure formed. In the high voltage regime, Ni dissolution dominates, and the Cr/Ni ratio increases. The temperature and pH dependencies have also been simulated. Higher temperature moves the dissolution-reprecipitation to the lower voltage; lower pH suppresses Ni reprecipitation and results in a thinner oxide film. These trends are also in agreement with the experiments. The oxide energetics of various stoichiometries are calculated by the density functional theory (DFT). Then the obtained data are used to train a surrogate lattice Hamiltonian with the cluster expansion (CE) method. Finally, kinetic Monte Carlo (KMC) simulations are run with the cation hopping barriers calculated on-the-fly based on the local environments from the combination of the above Hamiltonian and the linear Brønsted−Evans−Polanyi (BEP) relation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,239
Écart entre enseignants0,223 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetCorrosion Behavior and InhibitionTravaux en français237 207