Helium plasma immersion ion implantation studies of tungsten and tungsten heavy alloys for fusion plasma facing components
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
Plasma fusion devices will require plasma-facing components (PFCs) which can withstand the extreme environment at the edge of a hot fusion plasma. Despite the excellent properties of tungsten(W) as a hard refractory metal, adverse effects such as embrittlement, melting, and morphological evolution have been observed in W when it is bombarded by a high-fluence of low-energy ions including helium. This study investigates the effect of helium ion bombardment on pure tungsten and a tungsten heavy alloy (W-HA)(NAECOMET 1000). Pure tungsten and NAECOMET 1000 samples were implanted with 3 keV helium ions with fluences ranging from 1.15×1021m−2 to 2.21×1022m−2, using Plasma Immersion Ion Implantation (PIII). After PIII treatment, samples were analysed using scanning electron microscopy (SEM) and atomic force microscopy (AFM), which revealed differences in surface morphology and topography. Although the melting and cracking of the Ni/Cu binder phase in the NAECOMET 1000 samples was seen under all implantation conditions, the Ni/Cu presence did somewhat slow the formation of W fuzz in comparison to pure tungsten. X-ray diffraction (XRD) studies showed peak shifts increasing with helium ion fluence for both the pure W and NAECOMET 1000 samples, as well as increase in mean crystallite size, confirming the distortion of the lattice. XPS compositional analysis showed a strong oxidation (>97%) near the metal surface, after helium PIII treatment, for both pure W and NAECOMET 1000 W-HA samples. Some conclusions about the potential suitability of W-HA materials for fusion plasma PFCs are drawn.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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