Combining 2D simulations with atom probe tomography to investigate radiation-induced segregation near nanoscale cavities
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 Radiation-induced segregation (RIS) is a non-equilibrium phenomenon that can significantly alter local composition and degrade material properties. Although extensive research has focused on RIS near grain boundaries, much less attention has been given to RIS near nanosized cavities, including voids and gas-filled bubbles, which are primary contributors to material swelling. Compared with grain boundaries, cavities exhibit unique characteristics as defect sinks, such as spherical geometry, potentially higher density, and shorter distances between sinks. Although conventional one-dimensional (1D) models can capture basic features of RIS near isolated cavities, our calculations showed that they failed to reproduce experimental RIS profiles near closely spaced bubbles, an arrangement commonly observed in irradiated materials due to heterogenous bubble nucleation. In this study, we combined two-dimensional (2D) simulations with atom probe tomography (APT) experiments to investigate RIS near helium bubbles in a Ni 50 Fe 50 model alloy. The 2D simulations achieved good agreement with the experimental data. Moreover, we identified a non-linear coupling effect between neighboring bubbles: Ni segregation between two bubbles was higher than that from a single bubble, but lower than the linear sum of two isolated bubbles. These results demonstrate that the 2D RIS model is essential for simulating complex RIS behavior near cavities, thereby enabling more accurate predictions of microstructural evolution and property changes in materials under extensive irradiation.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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