MétaCan
Menu
Retour à la cohorte
Enregistrement W4406980204 · doi:10.1016/j.rinma.2025.100667

Microstructure simulation of maraging steel 1.2709 processed by powder bed fusion of metals using a laser beam: A cellular automata approach with varying process parameters

2025· article· en· W4406980204 sur OpenAlexaff
Kai-Uwe Beuerlein, Mohammad Shojaati, Mohammad Ansari, Hannes Panzer, Shahriar Imani Shahabad, Mohsen K. Keshavarz, Michael F. Zaeh, Saeed Maleksaeedi

Notice bibliographique

RevueResults in Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing Materials and Processes
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFusionMicrostructureMaterials scienceMaraging steelCellular automatonProcess (computing)Beam (structure)LaserLaser beamsMetallurgyStructural engineeringComputer scienceOpticsEngineeringArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Additive manufacturing via powder bed fusion of metals using a laser beam (PBF-LB/M) enables the fabrication of parts from metal powder with mechanical properties surpassing those of conventional processes. In this manufacturing process, a grain structure that is very sensitive to process parameter modifications and the resulting change in the temperature field is formed. Simulating the solidification microstructure is crucial for understanding process-microstructure relationships and creating digital twins for microstructure engineering and tailoring. This work introduces a cellular automata (CA) methodology for the microstructure simulation of maraging steel 1.2709 processed by PBF-LB/M. A high-resolution moving heat source model, based on the finite element method, was set up to capture the temperature field. The solidification microstructure was simulated by a two-dimensional CA model. Ten sets of process parameters have been used to produce single tracks experimentally to validate the CA model. The microstructure of these sets has been characterized by optical and scanning electron microscopy. The CA model successfully captures the essential solidification characteristics. The grain sizes have demonstrated a significant sensitivity to initial conditions. In-depth analysis has revealed that process parameters and thermal conditions, rather than the energy density, critically influence the grain size and the aspect ratio. Meanwhile, the grain alignment angle has shown no explicit dependency on process parameters, underscoring the complex dynamics governing microstructural evolution. This methodology paves the way for advancing material design in various industries by enabling a precise control over mechanical properties through microstructure tailoring.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

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 recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,239
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'étudeSimulation ou modélisation
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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResults in MaterialsMême sujetAdditive Manufacturing Materials and ProcessesTravaux en français237 207