Three-dimensional characterization of morphology and distribution of boundary networks in a low-carbon martensitic stainless steel
Notice bibliographique
Résumé
This study presents a comprehensive three-dimensional (3D) characterization of lath martensite and its internal boundary networks in a low-carbon 13Cr-4Ni stainless steel (CA6NM cast alloy), utilizing large-volume Xe + plasma focused ion beam (PFIB) serial sectioning and electron backscatter diffraction (EBSD). Based on the 3D EBSD data, the martensitic microstructure was segmented into prior austenite grains (PAGs), packets, blocks, and sub-blocks, enabling statistical analysis of these structural units. The 3D networks of sub-block, block, packet, and PAG boundaries were identified, quantified, and classified using the Kurdjumov–Sachs (K-S) orientation relationship and its associated intervariant misorientations, providing new insights into the morphology, crystallography, and spatial distribution of internal boundaries. The dominant intervariant boundaries were found to predominantly terminate on {110} planes, exhibiting symmetric tilt, twist, or mixed character depending on the misorientation axis, underscoring the anisotropic crystallographic nature of the martensitic boundary network. In addition, boundaries with a 60°/[011] misorientation exhibited the highest degree of connectivity and continuity across the 3D microstructure. Morphological analysis further revealed three primary types of interactions between martensitic features: hard impingement of blocks from different packets, mutual intersection of blocks from distinct packets, and interpenetration of sub-blocks or blocks within a single packet. These interactions contribute to the formation of an interlocked martensitic microstructure, characterized by inhomogeneous boundary networks with complex morphological and crystallographic features. These new insights highlight the advantages of advanced 3D techniques in capturing microstructural intricacies, offering a robust foundation for developing predictive models that link microstructure to the mechanical performance of these alloys.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».