MétaCan
Menu
Retour à la cohorte
Enregistrement W4404884289 · doi:10.20517/jmi.2024.43

A survey of energies from pure metals to multi-principal element alloys

2024· article· en· W4404884289 sur OpenAlexafffund
Ruitian Chen, Evelyn Li, Yu Zou

Notice bibliographique

RevueJournal of Materials Informatics · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Entropy Alloys Studies
Établissements canadiensToronto Zoo
Organismes subventionnairesUniversity of TorontoUniversity of Oklahoma
Mots-clésPrincipal (computer security)Element (criminal law)Materials scienceMetallurgyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

In materials science, a wide range of properties of materials are governed by various types of energies, including thermal, physicochemical, structural, and mechanical energies. In 2005, Dr. Frans Spaepen used crystalline face-centered cubic (fcc) copper as an example to discuss a variety of phenomena that are associated with energies. Inspired by his pioneering work, we broaden our analysis to include a selection of representative pure metals with fcc, hexagonal close-packed (hcp), and body-centered cubic (bcc) structures. Additionally, we extend our comparison to energies between pure metals and equiatomic binary, ternary, and multi-principal element alloys [sometimes also known as high-entropy alloys (HEAs)]. Through an extensive collection of data and calculations, we compile energy tables that provide a comprehensive view of how structure and alloying influence the energy profiles of these metals and alloys. We highlight the significant impact of constituent elements on the energies of alloys compared to pure metals and reveal a notable disparity in mechanical energies among materials in fcc-, hcp- and bcc-structured metals and alloys. Furthermore, we discuss the energy relationships, the implications for structural transformations and potential applications, providing insights into the broader context of these energy variations.

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)0,002
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 enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,026
Tête enseignante GPT0,264
Écart entre enseignants0,238 · 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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Materials InformaticsMême sujetHigh Entropy Alloys StudiesTravaux en français237 207