MétaCan
Menu
Retour à la cohorte
Enregistrement W4408224722 · doi:10.1016/j.surfcoat.2025.132024

High temperature performance of Mn Co oxide coatings deposited by HiPIMS for interconnect application in Solid Oxide Cell

2025· article· en· W4408224722 sur OpenAlexaff
Théo Dejob, Mathilde Bouvier, Antoine Casadebaigt, Jaâfar Ghanbaja, Fabien Rouillard, Frédéric Sanchette

Notice bibliographique

RevueSurface and Coatings Technology · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueZnO doping and properties
Établissements canadiensCentre for Excellence in Mining Innovation
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceOxideInterconnectionHigh-power impulse magnetron sputteringChemical engineeringOptoelectronicsNanotechnologyMetallurgyThin filmSputteringComputer scienceSputter depositionEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

To decrease the volatilization rate of Cr on AISI 441 interconnect for Solid Oxide Cells (SOC) application, Mn 0.5 Co 0.5 O coatings were deposited using Reactive High Power Impulse Magnetron Sputtering (R-HiPIMS). Three different coating morphologies and preferential growth orientations were obtained by varying bias and temperature settings. All synthetized Mn 0.5 Co 0.5 O coatings reduced the volatilization rate of Cr during exposure in dry air at 800 °C for 2000 h. Moreover, the Cr retention power was influenced by the preferential growth orientation of the coating. This study suggests that the deposition parameters of R-HiPIMS can be adjusted to optimize the crystalline orientation and enhance the effectiveness of Mn Co oxide coatings as barriers against chromium volatilization. • Coatings of (Mn,Co)O and (Mn,Co) 3 O 4 oxides were synthetized by R-HiPIMS on AISI 441 stainless steel. • Different (Mn,Co)O structures were made by adjusting polarization and deposition temperature. • The Cr retention capacity of the coating at 800 °C was influenced by the coating structure. • (Mn,Co)O coating showed good results against Cr volatilization for a SOC application.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,009
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,230
Écart entre enseignants0,226 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurface and Coatings TechnologyMême sujetZnO doping and propertiesTravaux en français237 207