MétaCan
Menu
Retour à la cohorte
Enregistrement W4396953111 · doi:10.3390/met14050584

Large-Scale Multi-Phase-Field Simulation of 2D Subgrain Growth

2024· article· en· W4396953111 sur OpenAlexafffund
Ali Khajezade, Warren J. Poole, Michael Greenwood, Matthias Militzer

Notice bibliographique

RevueMetals · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensNatural Resources CanadaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlliance de recherche numérique du Canada
Mots-clésRecrystallization (geology)Materials scienceGrain growthGrain sizeMicrostructurePhase (matter)Field (mathematics)Deformation (meteorology)MetallurgyComposite materialGeologyPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

The characteristics of subgrains in a deformed state after the high-temperature deformation of aluminum alloys control the subsequent recrystallization process and corresponding mechanical properties. In this study, systematic 2D phase-field simulations have been conducted to determine the role of deformed state parameters such as subgrain size and disorientation distributions on subgrain growth in an individual grain representing a single crystallographic orientation. The initial subgrain size and disorientation distributions have been varied by ±50%. To have a statistically relevant number of subgrains, large-scale simulations have been conducted using an in-house-developed phase-field code that takes advantage of distributed computing. The results of these simulations indicate that the growth of subgrains reaches a self-similar regime regardless of the initial subgrain structure. A narrower initial subgrain size distribution leads to faster growth rates, but it is the initial disorientation distribution that has a larger impact on the growth of subgrains. The results are discussed in terms of the evolution of the average diameter of subgrains and the average disorientation in the microstructure.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,495
Score d'incertitude au seuil0,425

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 Opus0,016
Tête enseignante GPT0,271
Écart entre enseignants0,255 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207