MétaCan
Menu
Retour à la cohorte
Enregistrement W4408506010 · doi:10.2497/jjspm.15c-t1-21

Characterization of the Chemistry of Oxides Formed on the Surface of Water-atomized Steel Particles during Annealing

2025· article· en· W4408506010 sur OpenAlexaff
Gabrielle Laramée, Simon Gélinas, Philippe Plamondon, Jean‐Philippe Masse, Gilles L’Éspérance, Carl Blais

Notice bibliographique

RevueJournal of the Japan Society of Powder and Powder Metallurgy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAnnealing (glass)Materials scienceOxideSinteringStoichiometryMetalTransmission electron microscopyMetallurgyChemical engineeringScanning electron microscopeChemical compositionNanotechnologyComposite materialChemistryPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Water-atomized (WA) steel powders are inevitably oxidized due to the chemical reaction between molten metal and water vapor. Minimization of surface oxides is essential for forming strong metallic bonds during sintering. However, the efficiency of H2-annealing is dependant on oxide chemistry, which is rarely made of pure/stoichiometric species. The objective here was to perform an in-depth characterization of the oxides found on WA steel particles to understand their behaviour during H2-annealing. It investigates the relationship between the chemical composition of pre-alloyed steels(Cr, Mn, Mo, Si), the chemical composition of the surface oxides and their modification due to H2-annealing. Particular attention is given to the impact of the difference between Si(wt.%) and Mn(wt.%) contents on powder oxidation. Characterization was performed using scanning and transmission electron microscopy coupled with energy dispersive X-ray spectroscopy. Characterization before and after annealing provided insights into the dynamics of oxides reduction according to powder chemistry.

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 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 enseignants0,018
Score d'incertitude au seuil0,282

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,192 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Japan Society of Powder and Powder MetallurgyMême sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207