From Microscale to Road Scale: Bridging the Gaps of Predictive Aluminum Corrosion Using SECM
Notice bibliographique
Résumé
Abstract Aluminum (Al) corrosion starts off at the micron or even submicron scale and if it is coating protected, it occurs at the metal‐coating interface. These corrosion events are by and large studied using bulk corrosion measurements making the understanding incomplete due to its micrometric scale occurrence. This gap is therefore targeted in current study by using a combination of SECM mapping modes together with a new strategy of employing redox‐mediator mixtures. These combinations allow the exploration of both Al surface topographic features as well as corrosion hotspots. Nine differently finished AAxxxx surfaces (namely, AA5083‐rolled‐Zr, AA6061‐rolled‐Zr, AA6061‐grinded‐Zr, AA6111‐rolled‐Zr, AA6111‐grinded‐Zr, AA7075‐grinded‐Zr, AA7075‐rolled‐Zr, AA7075‐rolled‐ZnPh with sealer and AA7075‐rolled‐ZnPh without sealer) are investigated by SECM in their as‐received state for corrosion and mapped on a 1 mm 2 scale with high precision. The most interesting outcome is that typically grinded samples show more cathodic current and a higher number of hotspots. The resultant SECM maps are then quantified to extract corrosion hotspots and correlate them with both bulk corrosion outcomes and the real‐life corrosion road tests performed for 2 years. These investigations present a strong corrosion predictive strategy, which makes this study comprehensive and highly applicable to sectors like automobiles and aerospace) employing Al surfaces.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».