MétaCan
Menu
Retour à la cohorte
Enregistrement W4403670099 · doi:10.1016/j.jalmes.2024.100120

Recent advances in additive manufacturing of refractory high entropy alloys (RHEAs): A critical review

2024· review· en· W4403670099 sur OpenAlexaff
Akshay Yarlapati, Yudha Aditya, Deepak Kumar, R.J. Vikram, Mayank Yadav, Konda Gokuldoss Prashanth

Notice bibliographique

RevueJournal of Alloys and Metallurgical Systems · 2024
Typereview
Langueen
DomaineEngineering
ThématiqueHigh Entropy Alloys Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRefractory (planetary science)High entropy alloysMaterials scienceComputer scienceMetallurgyAlloy

Résumé

récupéré en direct d'OpenAlex

Refractory High Entropy alloys (RHEAs) have evolved as a superior multicomponent material having a unique combination of microstructures and mechanical properties. RHEAs are a particular grade of high entropy alloys (HEAs) known for their outstanding high-temperature properties achieved thorough their constituent refractory elements. To date, majority of the RHEAs have been manufactured through several conventional methods, but are limited by certain limitations. Additive manufacturing (AM) has the potential to revolutionize the manufacturing industry by providing excellent opportunities to fabricate RHEAs while providing opportunities for enhancing the design freedom and complex geometrical shapes. As the field is rapidly evolving, a systematic examination of our comprehension is beneficial, and this article attempts to address this issue. To find the right place in industrial markets, additively manufactured RHEAs require further advancements. The present review provides a comprehensive overview of the additively manufactured RHEAs in terms of microstructural characterization, mechanical behaviour and other environmental properties published so far. This review article is presented lucidly with an aim of better understanding for the readers in this domain. To this end, future works and current challenges are also included and discussed briefly.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,027
Tête enseignante GPT0,307
Écart entre enseignants0,280 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Alloys and Metallurgical SystemsMême sujetHigh Entropy Alloys StudiesTravaux en français237 207