MétaCan
Menu
Retour à la cohorte
Enregistrement W4414239285 · doi:10.1103/tszb-gfxr

High-pressure melting and elastic behavior of vanadium and niobium based on <i>ab initio</i> calculations and machine learning molecular dynamics

2025· article· en· W4414239285 sur OpenAlexaff
Hao Wang, Dan Wang, Hao Long, Jun Li, Hua-Yun Geng

Notice bibliographique

RevuePhysical review. B./Physical review. B · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensCanadian Association of Emergency Physicians
Organismes subventionnairesNational Safety Academic FundNational Key Research and Development Program of ChinaTohoku UniversityNational Natural Science Foundation of China
Mots-clésNiobiumSofteningVanadiumMolecular dynamicsCrystal structureHardening (computing)Melting temperaturePhase transitionMelting point

Résumé

récupéré en direct d'OpenAlex

Under high pressure, the group-VB transition metals vanadium (V) and niobium (Nb) exhibit simple crystal structures but complex physical behaviors, such as anomalous compression-induced softening and heating-induced hardening (CISHIH). Meanwhile, the impact of lattice thermal expansion-induced softening at elevated temperatures on HIH is yet to be investigated. Therefore, this study utilized ab initio (AIMD) and machine learning molecular dynamics (MLMD) to investigate the melting and abnormal mechanical softening-hardening behaviors of V and Nb under high pressure. Simulations reveal that the high-temperature Pnma phase of Nb reported in previous experimental studies is highly susceptible to mechanical instability and reverts to the body-centered cubic (BCC) phase. This discovery prompted a revised determination of the high-pressure melting line of Nb. The melting temperature of Nb significantly exceeds the existing theoretical and experimental estimate compared with that of V. AIMD simulations demonstrate that atomic thermal displacements have a greater influence on the HIH of V and Nb than pure electron temperature effects. In addition, the temperature-dependent anomalous elastic properties of V and Nb were investigated within a pressure range of 0-250 GPa using MLMD. The mechanical properties of V and Nb transitioned from HIH to heating-induced softening, elucidating the competition between thermal-expansion-induced softening and HIH. This study advances fundamental understanding of V and Nb physics, providing crucial theoretical foundations for establishing accurate equations of state and constitutive models for these metals.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,324
Écart entre enseignants0,316 · 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'étudeSimulation ou modélisation
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 revuePhysical review. B./Physical review. BMême sujetMachine Learning in Materials ScienceTravaux en français237 207