D1: In che modo la struttura cristallina detta la duttilità dell'alluminio?
Il reticolo FCC consente 12 sistemi di scorrimento per l'alta formabilità.
Solute Atoms Pin Dislocazioni in leghe 2xxx/7xxx per il rafforzamento.
L'energia di faglia di impilamento (166 MJ/m²) promuove il slip a temperatura ambiente.
L'ingegneria dei confini del grano controlla la resistenza alla corrosione intergranulare.
L'analisi della sensibilità di spegnimento ottimizza le velocità di raffreddamento per sezioni spesse.
Q2: Quali meccanismi guidano l'indurimento delle precipitazioni nelle leghe al-Cu?
Le zone GP si formano come dischi coerenti al di sotto di 100 gradi con diametro di 2 nm.
Le fasi θ '' creano ceppi reticolari aumentando la forza di snervamento del 150%.
L'equilibrio θ-al₂cu precipita nucleate a lussazioni superiori a 300 gradi.
La calorimetria rileva picchi esotermici a 180 gradi per il controllo dell'invecchiamento artificiale.
L'ottimizzazione del rapporto Cu/mg previene il grosso diplice in fase θ nel temperamento T6.
Q3: Come sono progettate le leghe resistenti alla fatica per l'aerospaziale?
Le aggiunte SC/ZR formano i nanoprecipitati Al₃ (SC, ZR) (<20nm).
Effetti di chiusura delle crepe da asperità indotte dalla rugosità.
Test di fatica ad ultrasuoni a 20kHz Convalida le prestazioni del ciclo di 10⁹.
Il perfezionamento della microstruttura riduce la formazione di PSB del 70%.
Damage tolerance design requires K₁c >28 mPa√m.
Q4: Quali principi guidano la selezione della lega per le applicazioni criogeniche?
La lega 5083 -O mantiene il 40% di duttilità a -196 gradi.
La struttura FCC evita la transizione DBT a differenza dei metalli BCC.
La mobilità della dislocazione aumenta con la temperatura decrescente.
La mancata corrispondenza della contrazione termica controllata al di sotto dello 0,1% nei sistemi di contenimento.
L'energia di impatto del charpy supera i 40J a temperature di idrogeno liquido.
Q5: In che modo i metodi computazionali accelerano lo sviluppo della lega?
Il calfa prevede i diagrammi di fase con<5% error margin.
Machine learning models correlate composition/processing to yield strength (R²>0.96).
I calcoli DFT identificano le barriere di nucleazione MG₂SI su scala atomistica.
La modellazione del campo di fase simula l'evoluzione precipitata durante l'invecchiamento.
Le reti contraddittorie generative propongono nuove composizioni che soddisfano le proprietà target.
