MétaCan
Menu
Retour à la cohorte
Enregistrement W4393454135 · doi:10.1016/j.jmrt.2024.03.241

Austenite formation in a medium-Mn steel during intercritical annealing via in situ high-energy X-ray diffraction

2024· article· en· W4393454135 sur OpenAlexafffund
Azin Mehrabi, Hatem S. Zurob, Imed-Eddine Benrabah, Joseph R. McDermid

Notice bibliographique

RevueJournal of Materials Research and Technology · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrostructure and Mechanical Properties of Steels
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster UniversityInternational Zinc AssociationCanadian Light Source
Mots-clésAusteniteMaterials scienceIsothermal processMetallurgyAnnealing (glass)Ferrite (magnet)MicrostructureMartensiteDiffractionBainiteComposite materialThermodynamics

Résumé

récupéré en direct d'OpenAlex

The microstructural evolution of a prototype Fe-0.15C-5.56Mn-1.1Si-1.89Al medium-Mn third-generation advanced high strength steel (3G AHSS) with a martensite-ferrite (MF) starting microstructure during intercritical annealing was determined in situ using high energy X-ray diffraction (HEXRD). Intercritical annealing was carried out at 665 °C and 710 °C for 120 s and 240 s, followed by cooling to room temperature. HEXRD data were analyzed to monitor the austenite fraction and lattice parameters throughout the thermal cycle. During isothermal holding, the austenite fraction increased, up to 31% and 45% for the samples annealed for 120 s, and up to 33% and 46% for the samples annealed for 240 s at 665 °C and 710 °C, respectively. Observed changes in lattice parameters during isothermal holding were attributed to composition changes due to the partitioning of C between austenite and ferrite. Diffusion simulations using DICTRA were used to calculate solute partitioning during intercritical annealing, providing further insights into both austenite growth and the distribution of alloying elements within the austenite.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,290

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,016
Tête enseignante GPT0,268
Écart entre enseignants0,253 · 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

Citations19
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Research and TechnologyMême sujetMicrostructure and Mechanical Properties of SteelsTravaux en français237 207