In Situ Investigation of Microscale Deformation Mechanisms of Individual Phases in Silicon Stainless Steel with Varied Si Content
Notice bibliographique
Résumé
This research aims to understand the influence of silicon content (1.79 and 6.06 wt% Si) on the microscale deformation behavior of stainless steels for potential cryogenic applications, by means of in situ tensile testing within a scanning electron microscope. The investigation focuses on how silicon‐induced solid solution strengthening and ferrite phase stabilization affect mechanical response through strain partitioning between γ‐austenite and δ‐ferrite phases. As the silicon content increases, the microstructure transforms from a single‐phase γ to a dual‐phase microstructure comprising both γ and δ. Quantitative analysis of local misorientation, image quality, and deformed volume fraction reveals that the δ‐phase in the high‐silicon alloy exhibits delayed slip line formation and higher resistance to plastic deformation. This is further supported by nanohardness measurements, where the γ and δ phases in the high‐silicon alloy show significantly higher values (6.06% Si, γ ≈ 3.4 GPa; δ ≈ 4.96 GPa) compared to the γ‐phase in the low‐silicon alloy (1.79% Si, γ ≈ 2.7 GPa). Orientation mapping and misorientation profiles indicate that deformation occurs through heterogeneous mechanisms, including both slip and twinning, providing critical insights into the strain partitioning behavior and texture evolution in stainless steels.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 tête enseignante, 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 ».