CALPHAD Modelling of Ag–Pd–Sn Ternary System

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

CALPHAD modelling of the Ag–Pd–Sn ternary system has been performed. The disordered phases, the melt and the fcc phase were described using the substitutional solution model. Sublattice models were used to describe intermetallic compounds and the ternary phase. The two-sublattice model (Ag,Pd)4(Ag, Sn) used for the ternary phase made it possible to reproduce the inclination of its homogeneity range. The results of the thermodynamic calculation of the Ag–Pd–Sn system are in good agreement with the experimental data on phase equilibria and enthalpies of formation of the liquid. The agreement with the data on the partial Gibbs energy of tin in the liquid is somewhat worse.

Авторлар туралы

A. Pavlenko

Department of Chemistry, Lomonosov Moscow State University

Email: kabanovaeg@gmail.com
Moscow, Russia

G. Zhmurko

Department of Chemistry, Lomonosov Moscow State University

Email: kabanovaeg@gmail.com
Moscow, Russia

E. Kabanova

Department of Chemistry, Lomonosov Moscow State University

Email: kabanovaeg@gmail.com
Moscow, Russia

M. Kareva

Department of Chemistry, Lomonosov Moscow State University

Email: kabanovaeg@gmail.com
Moscow, Russia

E. Ptashkina

Department of Chemistry, Lomonosov Moscow State University

Email: kabanovaeg@gmail.com
Moscow, Russia

V. Kuznetsov

Department of Chemistry, Lomonosov Moscow State University

Хат алмасуға жауапты Автор.
Email: vnk@general.chem.msu.ru
Moscow, Russia

Әдебиет тізімі

  1. Shin H.-J., Kwon Y.H., Seol H.-J. // J. Mech. Behav. Biomed. Mater. 2020. V. 107. P. 103728. https://doi.org/10.1016/j.jmbbm.2020.103728
  2. Zhang R., Peng M., Ling L. et al. // Chem. Eng. Sci. 2019. V. 199. P. 64–78. https://doi.org/10.1016/j.ces.2019.01.018
  3. Zerdoumi R., Armbrüster M. // ACS Appl. Energy Mater. 2021. V. 4. № 10. P. 11279. https://doi.org/10.1021/acsaem.1c02119
  4. Lee C.Y., Yang S.P., Yang C.H. et al. // Surf. Coat. Technol. 2020. V. 395. P. 125879. https://doi.org/10.1016/j.surfcoat.2020.125879
  5. Sundman B., Lukas H.L., Fries S.G. Computational Thermodynamics: The Calphad Method. New York: Cambridge University Press, 2007. C. 313.
  6. Pavlenko A.S., Ptashkina E.A., Kabanova E.G. et al. // Calphad. 2023. V. 81. P. 102533. https://doi.org/10.1016/j.calphad.2023.102533
  7. Laurie G.H., Pratt. J.N. // J. Chem. Soc., Faraday Trans. 1964. V. 60. P. 1391–1401. https://doi.org/10.1039/TF9646001391
  8. Luef C., Paul A., Flandorfer H. et al. // J. Alloys Compd. 2005. V. 391. P. 67–76. https://doi.org/10.1016/j.jallcom.2004.08.056
  9. Pavlenko A.S., Kabanova E.G., Kuznetsov V.N. // Russ. J. Phys. Chem. A. 2020. V. 94. № 13. P. 2691. https://doi.org/10.1134/s0036024420130178
  10. Thermo-Calc Software PURE5/SGTE Pure Element Database. https://thermocalc.com/about-us/methodology/the-calphad-methodology/assessment-of-thermodynamic-data/
  11. Ghosh G., Kantner C., Olson G.B. // J. Phase Equilibria. 1999. V. 20. № 3. 295. https://doi.org/10.1361/105497199770335811
  12. Gierlotka W., Huang Y.C., Chen S.W. // Metall. Mater. Trans. A. 2008. V. 39. № 13. P. 3199. https://doi.org/10.1007/s11661-008-9671-6
  13. Vassilev G., Gandova V., Milcheva N. et al. // Calphad. 2013. V. 43. P. 133. https://doi.org/10.1016/j.calphad.2013.03.003
  14. Cui S., Wang J., You Z. et al. // Intermetallics. 2020. V. 126. P. 106945. https://doi.org/10.1016/j.intermet.2020.106945
  15. Redlich O., Kister A.T. // Ind. Eng. Chem. 1948. V. 40. № 2. P. 345. https://doi.org/10.1021/ie50458a036
  16. Toop G.W. // Trans. Metall. Soc. AIME. 1965. V. 233. № 5. P. 850.
  17. Andersson J.-O., Helander T., Höglund L. et al. // Calphad. 2002. V. 26. № 2. P. 273. https://doi.org/10.1016/s0364-5916(02)00037-8
  18. Pavlenko A.S., Ptashkina E.A., Zhmurko G.P. et al. // Rus. J. Phys. Chem. A. 2023. V. 97. P. 42. https://doi.org/10.1134/S0036024423010235
  19. Pavlenko A.S., Kabanova E.G., Kareva M.A. et al. // Materials. 2023. V. 16. № 4. P. 1690. https://doi.org/10.3390/ma16041690
  20. Kuznetsov V.N., Kabanova E.G. // Calphad. 2015. V. 100. № 51. P. 346. https://doi.org/10.1016/j.calphad.2015.01.011
  21. Cui S., Wang J., Jung I.H. // Metall. Mater. Trans. A: Phys. Metall. Mater. Sci. 2022. V. 53. № 12. P. 4296. https://doi.org/10.1007/s11661-022-06825-9

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2.

Жүктеу (418KB)
Метадеректер
3.

Жүктеу (209KB)
Метадеректер
4.

Жүктеу (147KB)
Метадеректер
5.

Жүктеу (87KB)
Метадеректер

© А.С. Павленко, Г.П. Жмурко, Е.Г. Кабанова, М.А. Карева, Е.А. Пташкина, В.Н. Кузнецов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».