MétaCan
Menu
Retour à la cohorte
Enregistrement W4409283965 · doi:10.1016/j.ijhydene.2025.04.001

Microstructure and first hydrogenation properties of Ti30V60M10 + 4 wt% Zr (M=Fe, Co, and Ni)

2025· article· en· W4409283965 sur OpenAlexafffund
Chourouk Kefi, Jacques Huot

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrostructureMaterials scienceHydrogen storageMetallurgyNuclear chemistryChemical engineeringChemistryCrystallographyAlloy

Résumé

récupéré en direct d'OpenAlex

The hydrogenation properties of Ti 30 V 60 M 10 (M = Fe, Co, and Ni) + 4 wt% Zr alloys at room temperature were investigated. The alloys were tested in their as-cast state and after being heat treated at 300 °C under a dynamic vacuum for 2 h. All as-cast alloys presented a two-phase microstructure consisting of a BCC matrix and a C14 secondary bright phase rich in Zr and M atoms. The BCC structure transformed into a face-centred cubic (FCC) main phase upon hydrogenation, while the C14 phase also hydrogenate but kept its structure. The as-cast alloys showed slow hydrogen absorption initially, but heat treatment reduced incubation times and improved hydrogenation kinetics for all compositions. • Investigated hydrogenation properties of Ti 30 V 60 M 10 (M = Fe, Co, and Ni) alloys with 4 wt% Zr at room temperature. • As-Cast alloys presented a two-phase microstructure of BCC matrix and C14 bright phase. • Heat treatment at 300 °C before activation reduced incubation times and improved hydrogenation kinetics. • Hydrogenation transformed the BCC structure to FCC, while the C14 phase also hydrogenate but kept its structure. • After heat treatment, Ti 30 V 60 Ni 10 alloy showed the most significant enhancement in hydrogenation kinetics.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

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 recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,229 · 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'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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetHydrogen Storage and MaterialsTravaux en français237 207