MétaCan
Menu
Retour à la cohorte
Enregistrement W4285398005 · doi:10.1149/ma2022-01451878mtgabs

(Invited) Oil-Immersed Scanning Micropipette Contact Method for Long-Term Corrosion Mapping

2022· article· en· W4285398005 sur OpenAlexaff
Yuanjiao Li, Janine Mauzeroll

Notice bibliographique

RevueECS Meeting Abstracts · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAnodic Oxide Films and Nanostructures
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCorrosionMaterials scienceElectrolyteCathodic protectionAlloyHumidityEvaporationAqueous solutionPipetteMetallurgyElectrodeComposite materialChemical engineeringElectrochemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Scanning micropipette contact method (SMCM) suffers from the droplet evaporation and crystallization which limits the use of most saline electrolyte solutions under natural air humidity. We advanced this technique by scanning the droplet under mineral oil that was placed on the surface of substrate, which significantly improved the stability of droplet. This allowed for the use of 3.5 wt% NaCl solution to map the localized corrosion of AA7075-T73 aluminum alloy regardless of ambient humidity levels. Maps of corrosion potentials and corrosion currents extracted from potentiodynamic polarization curves showed good correlations with the surface features. We also optimized the long-term oil-immersed SMCM scanning by eliminating the Ag + contamination that was released by the commonly used non-isolated Ag/AgCl quasi-reference counter electrode (QRCE). Ag + ions were reduced at the alloy surface when they diffused to the droplet, generating unwanted cathodic current, causing the corrosion potential to shift in the positive direction over time. This work demonstrates the viability of the oil-immersed SMCM and opens up the avenue to mechanistic corrosion investigations at the microscale level using aqueous solutions that are prone to evaporation under noncontrolled humidity levels.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,025
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,021
Tête enseignante GPT0,273
Écart entre enseignants0,253 · 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.

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 sujetAnodic Oxide Films and NanostructuresTravaux en français237 207