MétaCan
Menu
Retour à la cohorte
Enregistrement W4411450441 · doi:10.1016/j.matdes.2025.114244

Cellular Automaton simulation of grain and sub-grain evolution with eutectic growth in laser scanned and rescanned Al–10Si, with experimental validation

2025· article· en· W4411450441 sur OpenAlexafffund
Kai Kang, Lang Yuan, Can Sun, Javier Miranda, A.B. Phillion

Notice bibliographique

RevueMaterials & Design · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAluminum Alloy Microstructure Properties
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceEutectic systemCellular automatonGrain sizeGrain boundaryMetallurgyArtificial intelligenceComputer scienceAlloyMicrostructure

Résumé

récupéré en direct d'OpenAlex

This study presents a three-dimensional Cellular Automaton (3D CA) model incorporating eutectic growth mechanisms to simulate grain and sub-grain structure evolution in an additive manufacturing (AM) scenario, with surface laser rescanning of Al–10Si alloy as a case study. Unlike conventional CA models in AM, this work introduces a eutectic solidification framework within the CA approach, allowing dynamical transitions between dendritic and eutectic growth modes based on local thermal and solute conditions. The CA model integrates finite element analysis (FEA)-derived thermal data, solute redistribution tracking, nucleation behaviors, and growth kinetics under rapid solidification conditions in laser scanning and rescanning. The simulation results predict key microstructural phenomena, including dendritic-to-eutectic transitions, grain refinement resulting from laser rescanning, and the formation of submicron-scale eutectic cellular structures. These findings have been rigorously validated against specimens fabricated via laser scanning AM. Overall, the developed CA model provides a robust predictive tool for understanding and optimizing microstructural evolution in AM processes, offering valuable insights for tailoring processing parameters and alloy compositions to achieve desirable mechanical properties in Al–10Si and other alloy systems. • Developed a 3D CA model for dendritic–eutectic transitions in Al–10Si under AM conditions. • Coupled CA with FEA thermal data for grain growth simulation and solute tracking in solidification. • Laser rescanning promotes grain refinement and reduces crystallographic texture intensity. • Model predicts sub-grain eutectic structures in Al-10Si consistent with experiments in AM conditions. • Experimental results validate grain refinement and morphology predictions by the model.

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 enseignants0,029
Score d'incertitude au seuil0,642

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 Opus0,006
Tête enseignante GPT0,196
Écart entre enseignants0,190 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMaterials & DesignMême sujetAluminum Alloy Microstructure PropertiesTravaux en français237 207