Multi-principal element materials: Structure, property, and processing
Notice bibliographique
Résumé
Materials with multiple principal elements and under different names, such as high-entropy alloys (HEAs) and complex concentrated alloys (CCAs), 1 are attracting much attention due to their excellent structural, mechanical, and functional properties that can lead to a plethora of applications.This special issue covers a wide array of emerging topics, encompassing the fabrication, processing, structure, and properties of multi-principal element alloys (MPEAs).Starting from processing, Mooraj et al. 2 tackle the challenge of printing defects in additively manufactured metal alloys.Their research provides fundamental insights into the origins of printing defects and their profound impact on the mechanical properties of additively manufactured CoCrFeNi HEA.By understanding and mitigating printing defects, the quality and reliability of additively manufactured metal components can be significantly improved.Much of the seminal HEA work relied on fabrication techniquessuch as levitation furnaces-that allowed for very clean experiments to be performed, but that could not realistically be employed in industrial applications.The study by Mooraj et al. emphasizes challenges that arise when more industrially viable methods are employed.In particular, additive manufacturing will likely provide the bridge between the laboratory and applications, as it is very well suited for prototyping.This article gives some guidance to control interlayer porosity that will likely prove useful for future work in this high-momentum field.Moving on to structures, the majority of the articles explore the unique defect structure and energetics at various length scales.Specifically, Shi et al. 3 investigate the spatial inhomogeneity of point defect properties in refractory MPEAs with short-range order.Their work provides insights into tuning the radiation
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 | 0,000 | 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 | 0,000 | 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 ».