An Evaluation of the Mechanical Properties and Microstructure in Uranium Dioxide Doped with Oxide Additives
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
abstract: The United States Department of Energy (DOE) has always held the safety and reliability of the nation's nuclear reactor fleet as a top priority. Continual improvements and advancements in nuclear fuels have been instrumental in maximizing energy generation from nuclear power plants and minimizing waste. One aspect of the DOE Fuel Cycle Research and Development Advanced Fuels Campaign is to improve the mechanical properties of uranium dioxide (UO2) for nuclear fuel applications.\n\nIn an effort to improve the performance of UO2, by increasing the fracture toughness and ductility, small quantities of oxide materials have been added to samples to act as dopants. The different dopants used in this study are: titanium dioxide, yttrium oxide, aluminum oxide, silicon dioxide, and chromium oxide. The effects of the individual dopants and some dopant combinations on the microstructure and mechanical properties are determined using indentation fracture experiments in tandem with scanning electron microscopy. Indentation fracture experiments are carried out at room temperature and at temperatures between 450 °C and 1160 °C. \n\n The results of this work find that doping with aluminosilicate produces the largest favorable change in the mechanical properties of UO2. This sample exhibits an increase in fracture toughness at room temperature without showing a change in yield strength at elevated temperatures. The results also show that doping with Al2O3 and TiO2 produce stronger samples and it is hypothesized that this is a result of the sample containing dopant-rich secondary phase particles.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 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 découle