MétaCan
Menu
Retour à la cohorte
Enregistrement W4411876187 · doi:10.5539/jmsr.v14n1p37

Activation Volume During Creep of ASME Grade T91 Steel

2025· article· en· W4411876187 sur OpenAlexvenueno aff
Manabu Tamura

Notice bibliographique

RevueJournal of Materials Science Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHigh Temperature Alloys and Creep
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCreepVolume (thermodynamics)Composite materialMetallurgyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Activation volume is an essential factor to determine the strain rate of martensitic steel, however it has not been discussed extensively. The activation volume during creep is analytically formulated as a function of average activated moving dislocation density (ΚρaX) inside a small region, e.g., a sub-grain, assuming the slip motion of dislocations. For Grade T91 steel, the activation volumes (V’s) for time to a specific creep strain and time to rupture are calculated by applying an exponential law to the temperature, stress, and time parameters during creep. The ΚρaX’s obtained using the calculated activation volumes are compared with the observed dislocation densities (Ρob’s). ΚΡaX at a strain of 0.2% is roughly 10% of the initial ρob, and the ratio of ΚρaX / ρob increases toward a value smaller than 1 at rupture because of recovery. These results and the strain energy consideration indicate that all dislocations inside a limited number of lath martensite begin to slip or a considerable number of packets remain undeformed immediately after loading. Subsequently, a large number of dislocations are accumulated on the boundaries of the concerned lath martensite, block, and packet, promoting the recovery and precipitation reactions around the crept area. Consequently, heterogeneity of deformation at the beginning of creep is mitigated gradually with progressing creep. The above documents coincide with a proposed model of the activation process for creep.

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)0,003
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 enseignants0,040
Score d'incertitude au seuil0,241

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,026
Tête enseignante GPT0,333
Écart entre enseignants0,307 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetHigh Temperature Alloys and CreepTravaux en français237 207