Nano-additive manufacturing of multilevel strengthened aluminum matrix composites
Notice bibliographique
Résumé
Abstract Nanostructured materials are being actively developed, while it remains an open question how to rapidly scale them up to bulk engineering materials for broad industrial applications. This study propose an industrial approach to rapidly fabricate high-strength large-size nanostructured metal matrix composites and attempts to investigate and optimize the deposition process and strengthening mechanism. Here, advanced nanocrystalline aluminum matrix composites (nanoAMCs) were assembled for the first time by a novel nano-additive manufacturing method that was guided by numerical simulations (i.e. the in-flight particle model and the porefree deposition model). The present nanoAMC with a mean grain size <50 nm in matrix exhibited hardness eight times higher than the bulk aluminum and shows the highest hardness among all Al–Al 2 O 3 composites reported to date in the literature, which are the outcome of controlling multiscale strengthening mechanisms from tailoring solution atoms, dislocations, grain boundaries, precipitates, and externally introduced reinforcing particles. The present high-throughput strategy and method can be extended to design and architect advanced coatings or bulk materials in a highly efficient (synthesizing a nanostructured bulk with dimensions of 50 × 20 × 4 mm 3 in 9 min) and highly flexible (regulating the gradient microstructures in bulk) way, which is conducive to industrial production and application.
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 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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».