Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Toughness and Hardness of Aggregate01:22

Toughness and Hardness of Aggregate

324
Toughness and hardness are critical properties of aggregate materials used in concrete, particularly on pavement surfaces and industrial flooring subjected to heavy loads. Toughness is defined as the aggregate's resistance to failure by impact and is measured by the aggregate impact value (AIV). For this, the aggregate impact value test is performed, wherein the impact is delivered by a standard hammer, which falls freely under its own weight onto the aggregates. The aggregates fragment in...
324
Bending of Material: Problem Solving01:09

Bending of Material: Problem Solving

238
In this lesson, determine the ratio of the maximum bending moments applied to two metal pipes, given that both pipes can withstand a maximum stress of 100 MPa. Both pipes have an outer radius of 1.8 cm. Pipe A has an inner radius of 1.5 cm, and Pipe B has an inner radius of 1 cm. The ratio of the maximum bending moment applied to two metallic pipes, each with a different inner and outer radius, is determined by considering their dimensions. The inner radius of the first pipe is 1.5 cm, and for...
238

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

<i>A</i>-Site Solid Solution Effects on Electrical Resistivity, Oxidation Resistance, and Hardness of MAX Phases V<sub>2</sub>(As<sub>1-<i>x</i></sub>P<sub><i>x</i></sub>)C and V<sub>2</sub>(As<sub>1-<i>x</i></sub>Ge<sub><i>x</i></sub>)C.

Inorganic chemistry·2026
Same author

Rb<sub>4</sub>CuSb<sub>2</sub>Cl<sub>11</sub> and Rb<sub>2</sub>In<sub>0.91(0.2)</sub>Sb<sub>0.09</sub>Cl<sub>5</sub>·H<sub>2</sub>O: Wide Band Gap 0D Metal Halide Semiconductors.

Inorganic chemistry·2025
Same author

Machine-Learning-Assisted Discovery of Cr<sup>3+</sup>-Based Near-Infrared Phosphors.

Chemistry of materials : a publication of the American Chemical Society·2025
Same author

Identifying inorganic solids for harsh environments <i>via</i> machine learning.

Chemical science·2025
Same author

In Pursuit of the Exceptional: Research Directions for Machine Learning in Chemical and Materials Science.

Journal of the American Chemical Society·2023
Same author

Twists and Puckers: Tuning Crystal Chemistry in the La(Au<sub><i>x</i></sub>Ge<sub>1-<i>x</i></sub>)<sub>2</sub> Compositional Series.

Journal of the American Chemical Society·2023
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Aug 28, 2025

Determining the Mechanical Strength of Ultra-Fine-Grained Metals
05:04

Determining the Mechanical Strength of Ultra-Fine-Grained Metals

Published on: November 22, 2021

2.4K

Tratar los materiales súper duros como anomalías

Ziyan Zhang1, Jakoah Brgoch1,2

  • 1Department of Chemistry, University of Houston, Houston, Texas 77204, United States.

Journal of the American Chemical Society
|September 22, 2022
PubMed
Resumen
Este resumen es generado por máquina.

Los investigadores desarrollaron un marco de detección de anomalías para descubrir materiales súper duros, que son extremadamente raros. Este enfoque de IA identifica materiales con una dureza excepcional mediante el análisis de la composición y la estructura cristalina, ofreciendo información sobre sus propiedades.

Más Videos Relacionados

Characterization of Ultra-fine Grained and Nanocrystalline Materials Using Transmission Kikuchi Diffraction
09:13

Characterization of Ultra-fine Grained and Nanocrystalline Materials Using Transmission Kikuchi Diffraction

Published on: April 1, 2017

13.7K
Methods of Ex Situ and In Situ Investigations of Structural Transformations: The Case of Crystallization of Metallic Glasses
08:55

Methods of Ex Situ and In Situ Investigations of Structural Transformations: The Case of Crystallization of Metallic Glasses

Published on: June 7, 2018

8.6K

Videos de Experimentos Relacionados

Last Updated: Aug 28, 2025

Determining the Mechanical Strength of Ultra-Fine-Grained Metals
05:04

Determining the Mechanical Strength of Ultra-Fine-Grained Metals

Published on: November 22, 2021

2.4K
Characterization of Ultra-fine Grained and Nanocrystalline Materials Using Transmission Kikuchi Diffraction
09:13

Characterization of Ultra-fine Grained and Nanocrystalline Materials Using Transmission Kikuchi Diffraction

Published on: April 1, 2017

13.7K
Methods of Ex Situ and In Situ Investigations of Structural Transformations: The Case of Crystallization of Metallic Glasses
08:55

Methods of Ex Situ and In Situ Investigations of Structural Transformations: The Case of Crystallization of Metallic Glasses

Published on: June 7, 2018

8.6K

Área de la Ciencia:

  • Ciencias de los materiales
  • Ciencias de los materiales computacionales
  • La inteligencia artificial en el descubrimiento de materiales

Sus antecedentes:

  • Los materiales súper duros, definidos por la dureza Vickers ≥40 GPa, son excepcionalmente raros, constituyendo menos del 0,1% de los materiales conocidos.
  • El descubrimiento de nuevos materiales súper duros es crucial para diversas aplicaciones tecnológicas, pero sigue siendo un desafío importante debido a su escasez.

Objetivo del estudio:

  • Desarrollar un nuevo marco de detección de anomalías sin supervisión para identificar materiales súper duros.
  • Aprovechar la IA para descubrir materiales con propiedades físicas raras y excepcionales más allá de la superdureza.

Principales métodos:

  • Se creó un marco de detección de anomalías para codificar y reconstruir datos de composición de material y estructura cristalina sin supervisión.
  • El modelo cuantifica las desviaciones del comportamiento "normal" del material para identificar valores atípicos con propiedades superduras potenciales.

Principales resultados:

  • El marco identificó con éxito materiales atípicos que exhiben características súper duras.
  • El análisis de las discrepancias entre las estructuras cristalinas codificadas y decodificadas proporcionó información fundamental sobre los orígenes de la dureza del material.

Conclusiones:

  • El enfoque de detección de anomalías sin supervisión es efectivo para descubrir materiales súper duros escasos.
  • La metodología es generalizable para diseñar otros materiales atípicos con propiedades físicas únicas e inesperadas.