Approach to hyperuniformity in a metallic glass-forming material exhibiting a fragile to strong glass transition
Notice bibliographique
Résumé
Abstract We investigate a metallic glass-forming (GF) material (Al 90 Sm 10 ) exhibiting a fragile-strong (FS) glass-formation by molecular dynamics simulation to better understand this highly distinctive pattern of glass-formation in which many of the usual phenomenological relations describing relaxation times and diffusion of ordinary GF liquids no longer apply, and where instead genuine thermodynamic features are observed in response functions and little thermodynamic signature is exhibited at the glass transition temperature, T g . Given the many unexpected similarities between the thermodynamics and dynamics of this metallic GF material with water, we first focus on the anomalous static scattering in this liquid, following recent studies on water, silicon and other FS GF liquids. We quantify the “hyperuniformity index” H of our liquid, which provides a quantitative measure of molecular “jamming”. To gain insight into the T -dependence and magnitude of H , we also estimate another more familiar measure of particle localization, the Debye–Waller parameter 〈 u 2 〉 describing the mean-square particle displacement on a timescale on the order of the fast relaxation time, and we also calculate H and 〈 u 2 〉 for heated crystalline Cu. This comparative analysis between H and 〈 u 2 〉 for crystalline and metallic glass materials allows us to understand the critical value of H on the order of 10 –3 as being analogous to the Lindemann criterion for both the melting of crystals and the “softening” of glasses. We further interpret the emergence of FS GF and liquid–liquid phase separation in this class of liquids to arise from a cooperative self-assembly process in the GF liquid. Graphical abstract
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 | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».