MétaCan
Menu
Retour à la cohorte
Enregistrement W4411358391 · doi:10.1038/s41529-025-00615-5

Effect of microstructure on hydrogen permeation and trapping in natural gas pipeline steels

2025· article· en· W4411358391 sur OpenAlexafffundabout
Md. Aminul Islam, Qidong Li, Emma Adriana Storimans, K. Ton, Tahrim Alam, Zoheir Farhat

Notice bibliographique

Revuenpj Materials Degradation · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensCarbon Engineering (Canada)BC Innovation CouncilDalhousie University
Organismes subventionnairesOffice of Energy Research and DevelopmentNatural Sciences and Engineering Research Council of Canada
Mots-clésHydrogenMaterials sciencePermeationHydrogen embrittlementThermal diffusivityDiffusionMetallurgyPearliteEmbrittlementMicrostructureDislocationTrappingNatural gasComposite materialAusteniteThermodynamicsCorrosionChemistryMembrane

Résumé

récupéré en direct d'OpenAlex

This study examines hydrogen permeation and trapping in three types of natural gas pipeline steels from different decades in Canada-modern, vintage, and legacy steels. Electrochemical permeation experiments were conducted to measure the diffusion coefficient, subsurface concentration, and trap density of hydrogen. The results were analyzed to evaluate the susceptibility of these steels to hydrogen embrittlement and to understand the effects of hydrogen on their mechanical properties. Vintage steel exhibited 50% higher steady-state permeation current and 97% greater effective diffusivity compared to modern steel, while legacy steel showed intermediate values. Hydrogen diffusion increased with grain size and pearlite content but decreased with dislocation density. Modern steel demonstrated the highest resistance to hydrogen permeation due to its finer grain structure and higher dislocation density. This study provides essential insights into the diffusion behavior and trapping mechanisms of hydrogen in natural gas pipeline steels, enhancing the understanding of material performance under hydrogen exposure.

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 enseignants0,017
Score d'incertitude au seuil0,035

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,264
Écart entre enseignants0,259 · 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

Citations21
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuenpj Materials DegradationMême sujetHydrogen embrittlement and corrosion behaviors in metalsTravaux en français237 207