Phase Field Modelling of TRISO SiC Layer Growth by Chemical Vapour Deposition
Notice bibliographique
Résumé
The layers of TRISO (TRistructural ISOtropic) particles are manufactured by Fluidized Bed Chemical Vapour Deposition (FB-CVD). The microstructures of the Inner Pyrolitic Carbon (IPyC), Outer Pyrolitic Carbon (OPyC), and SiC layers are affected by the manufacturing conditions of temperature, pressure, and precursor gas concentration during the CVD process. The microstructure and grain morphology of the SiC layer is important since it affects the strength of the adhesion between IPyC-SiC and OPyC- SiC layers as well as the overall integrity of the fuel particle, and permeability of certain elements. Understanding the relationship between the fluidized bed parameters and microstructure facilitates scaling and optimizing particle production and particle performance. Phase field modelling is a proven robust tool for predicting mesoscale phenomena such as mi- crostructure evolution. A thermodynamically informed phase field model was developed to simulate the deposition of the SiC layer during the CVD process. This work presents results of modelling the nucleation, growth, microstructure evolution, and the columnar to equiaxed grain transition; as well as advances in multiphase, polygranular, and stoichiometric phase implementation, density varia- tion between phases, and the use of the computationally efficient Geometric Multigrid (GM) solver in the Firedrake finite element code. The implementation of the GM solver resulted in a significant gain in computational efficiency and enabled the simulation of experimentally-relevant length-scales in 3 dimensions. The results were compared to layer growth data with good quantitative agreement and Electron Backscatter Diffraction (EBSD) images of the SiC layer in surrogate TRISO fuel with good qualitative agreement.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».