MétaCan
Menu
Retour à la cohorte
Enregistrement W7114808891 · doi:10.5267/j.esm.2025.10.001

Investigating interfacial fracture in alumina/silver bimaterial: A study of stress intensity factors and material behavior under mechanical, thermal, and thermo-mechanical loads

2025· article· W7114808891 sur OpenAlexvenueno aff

Notice bibliographique

RevueEngineering Solid Mechanics · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueNumerical methods in engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFracture (geology)Stress intensity factorResidual stressThermalUltimate tensile strengthIntensity (physics)Thermal expansionStress (linguistics)

Résumé

récupéré en direct d'OpenAlex

This study investigates the fracture behavior of bimaterials, specifically focusing on the Alumina/Silver interface under mechanical, thermal, and thermo-mechanical loading conditions. Through the analysis of Stress Intensity Factors (SIFs) across various crack lengths, temperatures, and along multiple regions and fronts of the crack, we provide valuable insights into the distribution and the nature of stresses, shedding light on how different loading conditions influence crack propagation. Our findings show that, under mechanical loading, the tensile mode SIF (KI) exhibits a straightforward relationship with applied stress, increasing with crack length. In contrast, under thermal loading, KI generally decreases on the surface as the temperature rises, while it increases within the interface, highlighting the complex interplay of thermal expansion and the mismatch of material properties. The thermo-mechanical case combines these effects, further amplifying the role of residual stresses from manufacturing processes and thermal stresses, significantly affecting SIFs and crack growth, especially in bimaterial interfaces. These results contribute to a deeper understanding of fracture mechanisms in hybrid 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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,280
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering Solid MechanicsMême sujetNumerical methods in engineeringTravaux en français237 207