Generation of viable nanocrystalline structures using the melt-cool method: the influence of force field selection
Notice bibliographique
Résumé
The influence of force field selection on the formation of nanocrystalline structures of pure copper using the Melt-Cool method within Molecular Dynamics (MD) was investigated. This is of utmost importance since the use of MD to investigate nanocrystalline materials is critical due to the ability to study on the appropriate length scale. The Melt-Cool simulation method involves annealing the starting single crystal structure to temperatures exceeding the melting point of the material, followed by rapid quenching and equilibration to room temperature. The heating and rapid quenching allows for the mixture of atoms to randomised orientations with realistic microstructures and randomised defects, such as interstitial or vacancy atoms. Due to the requirement of the mathematical model (force field) to predict the nanocrystalline structure, the influence of force field selection is of paramount importance – a major gap found in currently available literature. The current investigation was performed in two phases: initial investigation to understand influence of force field parameterisation on formation of nanocrystalline structures, followed with an investigation to enhance predictions of mechanical properties of nanocrystalline copper found in currently available literature. The initial phase demonstrated a clear dependence on force field selection for the formation of viable nanocrystalline structures. The second phase demonstrated that the most accurate force field for mechanical properties may not be the ideal selection for use with the Melt-Cool method. The most ideal force field selection when performing the Melt-Cool method with the goal of obtaining accurate mechanical properties for pure copper was determined.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».