Ultra-low-temperature sintering of TiO2 via grain boundary diffusion enabled by nanosecond laser irradiation
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
Sintering of metal oxide ceramics typically requires high temperatures to achieve densification; however, excessive heat often leads to grain coarsening and phase instability. In this study, nanosecond (ns) laser irradiation is employed for the first time as a pre-treatment step of TiO 2 nanoparticle to lower the sintering temperature by tailoring the microstructure at the nanoscale. During ns laser exposure, the localized high-energy input lowers the activation energy for dislocation nucleation, thereby increasing dislocation density. Subsequently, with optimized exposure duration, heat accumulation induces localized annealing, which facilitates dislocation annihilation and initiates in situ recrystallization during irradiation. This process leads to the formation of new nanoscale grains within individual nanoparticles prior to sintering. During subsequent furnace sintering at low temperature (750 °C), these laser-induced nanograins remain stable and serve as diffusion-active pathways, promoting a transition from surface diffusion to grain boundary diffusion, as confirmed by diffusion coefficient analysis. This mechanism enhances densification, reduces porosity, and improves relative density. At elevated temperatures (∼1050 °C), extreme annealing destabilizes the laser-induced nanoscale grains, effectively suppressing grain boundary-mediated diffusion. Overall, the findings demonstrate that grain boundary diffusion can drive densification at low temperatures, bypassing the conventional grain growth typically associated with ceramic sintering.
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 | 0,000 | 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 | 0,000 |
| 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