MétaCan
Menu
Retour à la cohorte
Enregistrement W4390401085 · doi:10.1021/acs.nanolett.3c03856

Damage-Tolerant Wood Layers for Corrosion Protection of Metal Structures

2023· article· en· W4390401085 sur OpenAlexaff
Sicen Yu, Yu Liu, Qiongyu Chen, Xiaolu Yu, Gayea Hyun, Shen Wang, Yuhang Ye, Jiaqi Feng, Zheng Chen, Feng Jiang, Joseph A. King, Teng Li, Liangbing Hu, Ping Liu

Notice bibliographique

RevueNano Letters · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAdvanced Research Projects Agency - Energy
Mots-clésCorrosionMaterials scienceUltimate tensile strengthComposite materialVeneerMetallurgy

Résumé

récupéré en direct d'OpenAlex

Mechanically strong and damage-tolerant corrosion protection layers are of great technological importance. However, corrosion protection layers with high modulus (>1.5 GPa) and tensile strength (>100 MPa) are rare. Here, we report that a 130 μm thick densified wood veneer with a Young's modulus of 34.49 GPa and tensile strength of 693 MPa exhibits both low diffusivity for metal ions and the ability of self-recovery from mechanical damage. Densified wood veneer is employed as an intermediate layer to render a mechanically strong corrosion protection structure, referred to as "wood corrosion protection structure", or WCPS. The corrosion rate of low-carbon steel protected by WCPS is reduced by 2 orders of magnitude than state-of-the-art corrosion protection layers during a salt spray test. The introduction of engineered wood veneer as a thin and mechanically strong material points to new directions of sustainable corrosion protection design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,353

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,268
Écart entre enseignants0,237 · 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 tête enseignante, 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano LettersMême sujetCorrosion Behavior and InhibitionTravaux en français237 207