Adjusting (AlNi)/(FeCr) ratio to tailor microstructure and properties of A2-B2 dual-phase (AlNi)x(FeCr)100-x medium-entropy alloys
Notice bibliographique
Résumé
Metallic materials composed of alternating soft and hard phases can be tailored for desirable strength-ductility combinations. In this work, (AlNi) x (FeCr) 100-x (x = 40, 50 and 60) A2-B2 dual-phase medium-entropy alloys (MEAs) fabricated using an arc-melting furnace were studied. Fractions and morphologies of (Fe, Cr)-rich A2 and (Al, Ni)-rich B2 phases in the alloys were modified by simply adjusting the ratio of (AlNi) to (FeCr), based on phase diagrams calculated using Thermo-Calc software. The (AlNi) x (FeCr) 100-x alloys showed different microstructural features, including interdendritic regions with irregular A2-B2 lamellae (in all three alloys), and dendrite cores with different morphologies such as A2 matrix embedded with B2 particles (x = 40), A2-B2 weave-like structure (x = 50), and B2 matrix embedded with A2 nanoparticles (x = 60). Based on micro-indentation tests, all the core zones showed higher hardness than interdendritic regions, benefiting from their weave-like or particle-dispersed microstructure. Compressive tests and EBSD analyses indicated that the presence of the core zone having a structure of B2 matrix embedded with A2 nanoparticles was particularly effective for enhancing the strain-hardening capacity and wear resistance. This study demonstrates a simple way, via directly adjusting the fraction ratio of (AlNi) to (FeCr), to control the heterogeneous structure of this MEA system for desirable properties, which can be extended to other A2-B2 dual-phase multi-principal element alloy systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».