MétaCan
Menu
Retour à la cohorte
Enregistrement W4392384860 · doi:10.1007/s11666-024-01744-0

High Entropy Oxides as Promising Materials for Thermal Barrier Topcoats: A Review

2024· review· en· W4392384860 sur OpenAlexafffund
Hamideh Vakilifard, Hossein Shahbazi, Andre C. Liberati, Rakesh B. Nair Saraswathy, R.S. Lima, Martin Pugh, Christian Moreau

Notice bibliographique

RevueJournal of Thermal Spray Technology · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueHigh-Temperature Coating Behaviors
Établissements canadiensNational Research Council CanadaConcordia University
Organismes subventionnairesConcordia University
Mots-clésMaterials scienceSinteringCeramicThermal stabilityThermal barrier coatingThermodynamicsHigh entropy alloysComposite materialMicrostructureChemical engineering

Résumé

récupéré en direct d'OpenAlex

Multi-layered thermal barrier coatings (TBCs) are deposited on gas turbine metallic components to protect them against high temperatures, oxidation, and corrosion. However, TBCs have limited working temperatures and lifetimes due to their material properties. Several approaches are tested to increase TBC topcoats' phase stability and properties. Increasing entropy to stabilize phases is a concept introduced in 2004 and required decreasing the Gibbs free energy. Many high entropy ceramics are developed for structural and functional applications, and different types of high entropy oxides (HEOs) are promising TBC ceramics due to their unique characteristics. HEOs are single-phase solid solutions that contain five or more cations, usually a mixture of transition metals and rare-earth elements. Due to the cocktail effect, the final material has a different behavior from its constituents, making it a viable method to improve the properties of traditional materials. Generally, high entropy materials are characterized by three additional phenomena: sluggish diffusion, severe lattice distortion, and high entropy. A review of possible improvements in the lifetime of TBC topcoats using different HEOs in terms of their composition, properties, and stability is presented here. Different HEOs are then examined, and various thermophysical properties, high-temperature stability, and sintering resistance are discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,307
Écart entre enseignants0,290 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Thermal Spray TechnologyMême sujetHigh-Temperature Coating BehaviorsTravaux en français237 207