Smart material design in aerospace: unveiling the hidden potential in advanced additive manufacturing SiC composites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Smart materials are vital for the rapid advancement of aerospace. To date, additive manufacturing (AM) has empowered the dynamic-stimuli-responsive bio-inspired and metamaterial structures of ceramic matrix composites (CMC) to achieve groundbreaking applications. Smart SiC composites, particularly those applied in extreme conditions of high temperature and load, as well as strong electromagnetic interference, have an urgent demand for development and application. The challenges such as poor powder flowability, limited densification, microcrack evolution, and unstable structural–electromagnetic coupling at high temperatures are still seriously affected both mechanical reliability and electromagnetic adaptability. Recent advances in powder modification, dopant engineering, and hierarchical microstructure design have improved sinter ability and impedance matching, while optimized process parameters and post-sintering treatments have enhanced strength and toughness. Meanwhile, digital twin–driven monitoring systems and in-situ sensing technologies offer new opportunities to establish adaptive feedback loops, enabling real-time correction of processing deviations and intelligent defect suppression. Furthermore, the synergistic interactions between innovative material design, process optimization, and real-time monitoring were discussed. A new integrative framework that connects raw material modification, process optimization, and online monitoring to enable high-quality AM of smart SiC composites was presented. It constitutes a comprehensive strategy for high-quality additive manufacturing of smart SiC composites, thereby paving the way for the advancement of smart materials.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle