Chromium versus Aluminum: Impact of Nickel Alloy Composition and Interfacial Kinetics on High-Temperature Passivating Oxide Formation
Notice bibliographique
Résumé
High-temperature corrosion resistance depends critically on the formation of a passivating surface oxide, which is highly sensitive to alloy composition and structure. Such details often elude experimental investigation, and simplified analytical models fail to provide a truly chemical view of passivating oxide evolution. Here, we explicitly compare the fundamental chemistry of Cr and Al as prototypical passivating elements in Ni alloys by directly simulating competing reaction and diffusion processes within the oxide film using kinetic Monte Carlo and density functional theory. We find that the origin and expression of passivating behavior during early-stage thermal oxidation are qualitatively different between the two alloy systems. Ni-Cr alloys feature a sudden onset of passivation associated with a sharp phase transition upon Cr enrichment that directly couples oxidation kinetics to phase transformation behavior. In contrast, Ni-Al alloys display more continuous oxide phase variation with Al enrichment, ultimately resulting in a lower composition threshold for passivation and a thinner passivating layer. In addition, we elucidate the nonobvious role of metal exchange within the alloy near the oxide boundary, which fundamentally alters film composition and passivating behavior. Our results have key implications for engineering improved corrosion-resistant alloys, both in terms of compositional variation and processing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».