Probing passivity of corroding metals using scanning electrochemical probe microscopy
Notice bibliographique
Résumé
Abstract Passive films are essential for the longevity of metals and alloys in corrosive environments. A great deal of research has been devoted to understanding and characterizing passive films, including their chemical composition, uniformity, thickness, porosity, and conductivity. Many characterization techniques are conducted under vacuum, which do not portray the true in‐service environments passive films will endure. Scanning electrochemical probe microscopy (SEPM) techniques have emerged as necessary tools to complement research on characterizing passive films to enable the in situ extraction of passive film parameters and monitoring of local breakdown events of compromised films. Herein, we review the current research efforts using scanning electrochemical microscopy, scanning electrochemical cell microscopy (or droplet cell measurements), and local electrochemical impedance spectroscopy techniques to advance the knowledge of local properties of passivated metals. The future use of SEPM for quantitative extraction of local film characteristics within in‐service environments (i.e., with varying pH, solution composition, and applied potential) is promising, which can be correlated to nanostructural and microstructural features of the passive film and underlying metal using complementary microscopy and spectroscopy methods. The outlook on this topic is highlighted, including exciting avenues and challenges of these methods in characterizing advanced alloy systems and protective surface films.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,000 |
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 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 ».