MétaCan
Menu
Retour à la cohorte
Enregistrement W4408198768 · doi:10.3390/jcs9030122

Alumina–Nano-Nickel Composite Coatings on Al6061 Substrate Obtained by Electrophoretic Deposition

2025· article· en· W4408198768 sur OpenAlexaff
Souaad Hamoudi, Nacer Bezzi, Farid Bensebaa, Philippe Delaporte

Notice bibliographique

RevueJournal of Composites Science · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueElectrophoretic Deposition in Materials Science
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésElectrophoretic depositionMaterials scienceNickelComposite numberSubstrate (aquarium)Nano-Deposition (geology)Chemical engineeringElectrophoresisMetallurgyComposite materialChemistryCoatingChromatographyEngineering

Résumé

récupéré en direct d'OpenAlex

Ceramic–nano-metallic composite coatings of Al2O3–nano-Ni on an aluminum substrate (Al6061) were obtained using electrophoretic deposition (EPD). Three composite coatings with different ratios of nano-Ni, i.e., 25, 50, and 75%, were obtained. The phase composition of the resulting composite coatings was examined using XRD; this confirmed the existence of alumina and nickel in the composite coatings. The surface morphology and microstructure of the composite coatings were analyzed with SEM, while the chemical composition and phase content were determined through energy-dispersive spectroscopy. The hardness indenter results revealed a high hardness 420 HV for the Ni 25% composite coating However the hardness decreased with an increase in the Ni nanoparticle ratio, reaching a value of 360 HV for the Ni 75% composite coating. Reflectance measurements were conducted using a UV–visible spectrophotometer equipped with an integrating sphere (UV2600), and the composite coating with a Ni ratio of 75% exhibited the lowest reflectance of UV–visible light at <0.035. These results are promising for subsequent investigations into the absorbance of Al2O3–nano-Ni composite coatings within the sunlight irradiation wavelength range.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,003
Tête enseignante GPT0,217
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Composites ScienceMême sujetElectrophoretic Deposition in Materials ScienceTravaux en français237 207