Ablation laser femtoseconde de verres métalliques de Cu_x Zr_(1−x) : une étude par dynamique moléculaire
Bibliographic record
Abstract
L’ablation laser de verres métalliques de CuxZr1−x (x = 0.33, 0.50 et 0.67) et d’un alliage métallique cristallin de CuZr2 dans la structure C11b a été étudiée par dynamique moléculaire (DM) combinée à un modèle à deux températures (TTM). Le seuil d’ablation (Fth) a été déterminé pour chacun des 4 échantillons et s'est avéré plus bas pour les échantillons plus riches en Cu étant donné que la cohésion du Cu est plus faible que celle du Zr dans tous les échantillons. Pour x=0.33, Fth est plus bas pour le cristal que pour l’amorphe car le couplage électron-phonon est plus faible dans ce dernier, ce qui implique que l’énergie est transférée plus lentement du système électronique vers le système ionique pour le a-CuZr2 que le c-CuZr2. La vitesse de l’onde de pression créée par l’impact du laser croît avec la fluence dans l’échantillon cristallin, contrairement aux échantillons amorphes dans lesquels sa vitesse moyenne est relativement constante avec la fluence. Ceci est expliqué par le fait que le module de cisaillement croît avec la pression pour le cristal, ce qui n’est pas le cas pour les verres métalliques étudiés. Finalement, la zone affectée par la chaleur (HAZ) a été étudiée via la profondeur de fusion et les déformations plastiques. La plus faible température de fusion des échantillons amorphes implique que la profondeur de fusion est plus importante dans ceux-ci que dans l’échantillon cristallin. Dans les verres métalliques, les déformations plastiques ont été identifiées sous forme de zones de transformation par cisaillement (STZ) qui diffusent et fusionnent à plus haute fluence. Aucune déformation plastique importante n’a été identifiée dans le c-CuZr2 mis à part de légères déformations près du front de fusion causées par les contraintes résiduelles. Ce travail a ainsi permis d’améliorer notre compréhension de l’ablation laser sur les verres métalliques et de l’étendue des dommages qu’elle peut entraîner.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".