Effect of g-family incorporation on corrosion behavior of PEO-treated titanium alloys: a review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
By being exposed to air or moisture or by a chemical reaction, titanium (Ti) forms an oxide layer on its surface, which is stable and tightly adherent and provides it with protection from the environment, since titanium is a reactive material. Due to its extremely low thickness (∼10 nm), this oxide layer is easily destroyed under corrosion conditions. Through plasma electrolytic oxidation (PEO), titanium and titanium alloys can be equipped with thick and adhesive titanium dioxide (TiO 2 ) coatings to enhance their surface characteristics. In the PEO process, titanium dioxide composite coatings can be formed by mixing proper additives with electrolytes, such as powders, particles, sheets or compounds. Graphene and its family derivatives (i.e. graphene oxide and reduced graphene oxide) are among the most popular additives used in PEO composite coatings due to their high stability in corrosive media. Graphene-family nanosheets can accumulate in PEO coatings because of their porous nature, changing the surface characteristics dramatically. The use of graphene-family nanosheets in electrolytes can be useful in reducing coating porosity and improving final corrosion properties by adjusting electrolyte conditions. Therefore, the diffusion pathways for corrosive ions in composite titanium dioxide coatings become considerably more tortuous than those for pure titanium dioxide.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,002 | 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 découle