MétaCan
Menu
Retour à la cohorte
Enregistrement W4367623927 · doi:10.3390/cryst13050753

Effects of Different CO2 Concentrations and Degradation Media on Static Corrosion of Commercially Pure Zinc

2023· article· en· W4367623927 sur OpenAlexaff
Souhila Ould Mohamed, Sofia Gambaro, A L Ramírez-Ledesma, Carlo Paternoster, Diego Mantovani

Notice bibliographique

RevueCrystals · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMagnesium Alloys: Properties and Applications
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCorrosionZincDegradation (telecommunications)Materials scienceLayer (electronics)Immersion (mathematics)Atmosphere (unit)Salt (chemistry)MetallurgySimulated body fluidSurface layerPassivationChemical engineeringChemistryComposite materialScanning electron microscopeMeteorologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Zn alloys have lately captivated the attention of the scientific community as possible materials for cardiovascular applications, showing a corrosion behavior and mechanical properties in between of those of Mg and Fe alloys. To better understand the different aspects of the interaction of Zn with body fluids, the basic corrosion pattern and the degradation products’ formation were investigated considering the effect of CO2 amount in the atmosphere and different pseudo-physiological media; that is Hanks’ balanced salt (HSS), Dulbecco’s phosphate-buffered saline (PSS) and physiological saline solution (NSS), through a 14-day static immersion study. A mixed degradation layer mainly composed of ZnO with Zn3(PO4)2·4H2O and Zn(CO3)2 precipitates was found on surfaces immersed in both HSS and PSS, independently of the atmosphere, while a ZnO/ZnCl2 layer was found on the surface immersed in NSS, which also revealed the higher corrosion rate due to the effect of Cl− ions. Samples tested under a CO2-rich atmosphere showed a more compact passivating layer, higher dimensions crystals and less cavities when tested in HSS, PSS and NSS, respectively.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,018
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrystalsMême sujetMagnesium Alloys: Properties and ApplicationsTravaux en français237 207