MétaCan
Menu
Retour à la cohorte
Enregistrement W4388706527 · doi:10.1016/j.jmrt.2023.11.081

Site-specific analysis of precipitates during the coiling of an HSLA steel containing V and Nb

2023· article· en· W4388706527 sur OpenAlexafffund
Chen Gu, Colin Scott, Fateh Fazeli, Xiang Wang, Nabil Bassim, Hatem S. Zurob

Notice bibliographique

RevueJournal of Materials Research and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials Characterization Techniques
Établissements canadiensNatural Resources CanadaMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for InnovationMcMaster University
Mots-clésCementiteMaterials scienceBainiteAtom probeTransmission electron microscopyPrecipitationMetallurgyPrecipitation hardeningAcicular ferriteElectron backscatter diffractionFerrite (magnet)AusteniteAlloyGrain boundaryCrystallographyComposite materialMicrostructureNanotechnology

Résumé

récupéré en direct d'OpenAlex

Precipitation in a high-strength low-alloy steel containing V and Nb additions during coiling at 500 °C, was investigated by advanced characterization techniques including electron backscattered diffraction, focused ion beam, transmission electron microscopy and atom probe tomography. During coiling, nano precipitates were preferentially formed around dislocations and grain/sub-grain boundaries in the high Kernel Average Misorientation (KAM) areas associated with bainite. Precipitates were frequently observed around cementite in the low KAM areas with cementite which were identified as granular bainite. Interphase clusters were found in the low KAM areas associated with ferrite. The site-specific methods reveal the co-existence of different kinds of precipitates. Analysis of the results indicates that the precipitation of microalloy particles close to cementite could lower the precipitation hardening contribution that could be achieved through microalloying.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,027
Tête enseignante GPT0,313
Écart entre enseignants0,286 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetAdvanced Materials Characterization TechniquesTravaux en français237 207