MétaCan
Menu
Retour à la cohorte
Enregistrement W4401457062 · doi:10.1016/j.actamat.2024.120273

Intrinsic grain boundary shear coupling tensor

2024· article· en· W4401457062 sur OpenAlexafffund
Xinyuan Song, Liang Yang, Chuang Deng

Notice bibliographique

RevueActa Materialia · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMicrostructure and mechanical properties
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceShear (geology)Grain boundaryCoupling (piping)Composite materialMicrostructure

Résumé

récupéré en direct d'OpenAlex

Grain boundary (GB) migration stands as a linchpin process governing microstructural evolution in polycrystalline materials. Over the past decade, the concept of shear coupling, quantified through the shear coupling factor, has transformed our understanding and driven the development of theoretical frameworks for unifying GB behaviors. In this study, we introduced a novel concept of shear coupling strength designed to overcome the limitations of the conventional shear coupling factor, notably its deficiency in conveying "coupling" information. The shear coupling tensor formed by the shear coupling strengths characterizes intrinsic shear coupling properties across diverse GBs and reveals complex dynamics within the GB mobility tensor. The molecular dynamics simulation confirms the symmetry of the GB mobility tensor. This symmetry is inherently built into the shear coupling strength, aligning with an assumption made in previous studies. Additionally, an efficient methodology has been developed for streamlined extraction of both shear coupling and GB mobility tensors from atomistic simulations. This advancement holds the potential to sample GB behavior across extensive datasets, significantly enhancing our ability to predict structure-property relationships within the expansive 5-parameter space of GBs.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,282
Score d'incertitude au seuil0,999

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 GPT0,248
Écart entre enseignants0,232 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActa MaterialiaMême sujetMicrostructure and mechanical propertiesTravaux en français237 207