MétaCan
Menu
Retour à la cohorte
Enregistrement W4377237941 · doi:10.1103/physrevmaterials.7.053611

Solid solution softening in single crystalline metal nanowires studied by atomistic simulations

2023· article· en· W4377237941 sur OpenAlexafffund
Zuoyong Zhang, Chuang Deng

Notice bibliographique

RevuePhysical Review Materials · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceSofteningNucleationNanowireDislocationAlloyMolecular dynamicsStacking-fault energySolid solutionChemical physicsCrystallographyMetallurgyThermodynamicsNanotechnologyComposite materialComputational chemistry

Résumé

récupéré en direct d'OpenAlex

Solid solution strengthening is a common method used in physical metallurgy to increase the strength of metals. However, it is also possible for solute atoms to reduce the strength of metals, known as the solid solution softening effect. In this paper, atomistic simulations were carried out using molecular dynamics and Monte Carlo simulations to explore the softening phenomenon in single crystalline metal nanowires (MNWs) of different alloy systems. It was found that, for single crystalline MNWs, softening is more prominent than strengthening when solute atoms are introduced, which contrasts with the solid solution strengthening that is usually observed in bulk metals. The reduction of unstable stacking fault energy, increase in atomic size misfit, and solute clustering are responsible for this phenomenon, as they facilitate the surface dislocation nucleation in the alloyed nanowires. Additionally, while the nanowire diameter, orientation, surface segregation, and chemical short-range ordering all influence the yield strength, they do not alter the overall softening trend. It is assumed that the softening mechanisms uncovered in this paper are applicable to metallic structures whose yielding is determined by dislocation nucleation.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,041
Tête enseignante GPT0,342
Écart entre enseignants0,301 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical Review MaterialsMême sujetMicrostructure and mechanical propertiesTravaux en français237 207