MétaCan
Menu
Retour à la cohorte
Enregistrement W4409296871 · doi:10.3390/ma18081701

Recrystallization Behavior of Cold-Rolled AA5083 Microalloyed with 0.1 wt.% Sc and 0.08 wt.% Zr

2025· article· en· W4409296871 sur OpenAlexafffund
Ahmed Y. Algendy, Paul Rometsch, X.-Grant Chen

Notice bibliographique

RevueMaterials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensRio Tinto (Canada)Université du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCentre québécois de recherche et de développement de l’aluminium
Mots-clésRecrystallization (geology)Materials scienceAnnealing (glass)AlloyElectron backscatter diffractionMetallurgyTransmission electron microscopyGrain boundaryDynamic recrystallizationMicrostructureScanning electron microscopeComposite materialHot workingNanotechnology

Résumé

récupéré en direct d'OpenAlex

The influence of annealing temperature on the mechanical properties, microstructural evolution, and recrystallization behavior of AA5083 cold-rolled sheets with and without Sc/Zr microalloying was studied utilizing hardness tests, optical microscopy, electron backscatter diffraction, and transmission electron microscopy. The results show that a minor addition of Sc/Zr to the Al-Mg-Mn alloy can significantly improve the alloy strength and recrystallization resistance. Adding 0.1 wt.% Sc and 0.08 wt.% Zr raised the recrystallization temperature of heavily deformed sheets to 500 °C, which is 250 °C higher than for the Sc-free base alloy. The higher recrystallization resistance of the Sc-bearing alloy was mainly attributed to the presence of Al3(Sc,Zr) nanoparticles, which enhanced the Zener drag pressure and delayed recrystallization. Grain boundary strengthening effects at various annealing temperatures were estimated using a constitutive equation. This work revealed that grain structure change and the corresponding boundary strengthening effect are key factors governing alloy strength evolution during annealing.

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 enseignants0,008
Score d'incertitude au seuil0,576

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 Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,176 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207