MétaCan
Menu
Retour à la cohorte
Enregistrement W4402762734 · doi:10.3390/ma17184676

Analysis of Ni-Cu Interaction in Aluminum-Based Alloys: Hardness, Tensile and Precipitation Behavior

2024· article· en· W4402762734 sur OpenAlexaff
E. Isaac Samuel, Victor Songméné, H. W. Doty, F. H. Samuel

Notice bibliographique

RevueMaterials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceIntermetallicPrecipitationAlloyVolume fractionUltimate tensile strengthMetallurgyAluminiumPhase (matter)MicrostructureAnalytical Chemistry (journal)Composite material

Résumé

récupéré en direct d'OpenAlex

The present work was aimed at quantifying the effects of Ni addition in the range of 0–4% together with 0.3%Zr on the hardness and the tensile properties, volume fraction of intermetallics, and changes in size and distribution of phase precipitation in Sr-modified Al-9%Si-2%Cu-0.6%Mg cast alloys. The study was mainly carried out using high-resolution FESEM and TEM microscopes equipped with EDS facilities. Samples were solidified at the rate of ~3 °C/s and examined at different aging conditions. The investigations are supported by thermal analysis carried out at a solidification rate of ~0.8 °C/s. The results revealed that the main compositions of the Ni-based phases are close to Al3(Ni,Cu), Al3CuNi, and Al3Ni. An Al3Ni2Cu2 phase was also detected in the 4%Ni alloy. The Cu–Ni phases were observed to precipitate, covering the surfaces of pre-existing primary Al3Zr particles. The TEM analysis indicated the magnitude of the reduction in both size and density of the precipitated Al2Cu phase particles as the Ni content reached 4%, coupled with a delay in the transition from coherent to incoherency of the Al2Cu precipitates.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207