MétaCan
Menu
Retour à la cohorte
Enregistrement W4327952332 · doi:10.3390/met13030609

A Review on Processing–Microstructure–Property Relationships of Al-Si Alloys: Recent Advances in Deformation Behavior

2023· review· en· W4327952332 sur OpenAlexaff
S.S. Dash, D.L. Chen

Notice bibliographique

RevueMetals · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCastabilityMicrostructureDeformation (meteorology)CastingSpecific strengthAutomotive industryPorosityPrecipitationAerospaceDie castingMetallurgyMechanical engineeringAluminiumComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

While research on lightweight materials has been carried out for decades, it has become intensified with recent climate action initiatives leading pathways to net zero. Aluminum alloys are at the pinnacle of the light metal world, especially in the automotive and aerospace industries. This review intends to highlight recent developments in the processing, structure, and mechanical properties of structural Al-Si alloys to solve various pressing environmental issues via lightweighting strategies. With the excellent castability of Al-Si alloys, advancements in emerging casting methods and additive manufacturing processes have been summarized in relation to varying chemical compositions. Improvements in thermal stability and electrical conductivity, along with superior mechanical strength and fatigue resistance, are analyzed for advanced Al-Si alloys with the addition of other alloying elements. The role of Si morphology modification, along with particle distribution, size, and precipitation sequencing, is discussed in connection with the improvement of static and dynamic mechanical properties of the alloys. The physics-based damage mechanisms of fatigue failure under high-cycle and low-cycle fatigue loading are further elaborated for Al-Si alloys. The defect, porosity, and surface topography related to manufacturing processes and chemical compositions are also reviewed. Based on the gaps identified here, future research directions are suggested, including the usage of computational modeling of microstructures and the integration of artificial intelligence to produce mass-efficient and cost-effective solutions for the manufacturing of Al-Si alloys.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,081
Tête enseignante GPT0,322
Écart entre enseignants0,241 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations110
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207