Исследование поверхности электрохимического травления ультрамелкозернистого никеля с помощью сканирующей туннельной микроскопии

Обложка

Цитировать

Полный текст

Аннотация

Предложен подход, позволяющий проводить качественный и количественный анализ зеренной структуры ультрамелкозернистого никеля по поверхности электрохимического травления. Выполнен анализ данных о рельефе травления ультрамелкозернистого никеля, полученных с помощью сканирующей туннельной микроскопии. Выявлена бимодальность структуры, что было подтверждено статистическим анализом.

Об авторах

Н. С. Чикунова

Федеральное государственное бюджетное учреждение науки
Институт физики металлов имени М.Н. Михеева Уральского отделения Российской академии наук

Автор, ответственный за переписку.
Email: chikunova@imp.uran.ru
Россия, Екатеринбург

А. В. Столбовский

Федеральное государственное бюджетное учреждение науки
Институт физики металлов имени М.Н. Михеева Уральского отделения Российской академии наук

Email: chikunova@imp.uran.ru
Россия, Екатеринбург

С. А. Мурзинова

Федеральное государственное бюджетное учреждение науки
Институт физики металлов имени М.Н. Михеева Уральского отделения Российской академии наук

Email: chikunova@imp.uran.ru
Россия, Екатеринбург

Р. М. Фалахутдинов

Федеральное государственное бюджетное учреждение науки
Институт физики металлов имени М.Н. Михеева Уральского отделения Российской академии наук

Email: chikunova@imp.uran.ru
Россия, Екатеринбург

И. В. Блинов

Федеральное государственное бюджетное учреждение науки
Институт физики металлов имени М.Н. Михеева Уральского отделения Российской академии наук

Email: chikunova@imp.uran.ru
Россия, Екатеринбург

Список литературы

  1. Valiev R.Z., Islamgaliev R.K., Alexandrov I.V. // Prog. Mater. Sci. 2000. V. 45. No. 2. P. 103.
  2. Langdon T.G. // Acta Mater. 2013. V. 61. No. 19. P. 7035.
  3. Estrin Y., Vinogradov A. // Acta Mater. 2013. V. 61. No. 3. P. 782.
  4. Sauvage X., Wilde G., Divinski S.V. et al. // Mater. Sci. Eng. A. 2012. V. 540. P. 1.
  5. Divinski S.V. // Diff. Found. 2015. V. 5. P. 57.
  6. Wilde G., Divinski S. // Mater. Trans. 2019. V. 60. No. 7. P. 1302.
  7. Watanabe T. // Res. Mech. 1984. V. 11. No. 1. P. 47.
  8. Watanabe T., Tsurekawa S. // Acta Mater. 1999. V. 47. No. 15. P. 4171.
  9. Emeis F., Peterlechner M., Divinski S.V., Wilde G. // Acta Mater. 2018. V. 150. P. 262.
  10. Detor A.J., Schuh C.A. // J. Mater. Res. 2007. V. 22. No. 11. P. 3233.
  11. Gertsman V. Yu., Birringer R. // Scripta Metall. Mater. 1994. V. 30. No. 5. P. 577.
  12. Popov V.V., Stolbovsky A.V., Popova E.N., Pilyugin V.P. // Def. Diff. Forum. 2010. V. 297–301. P. 1312.
  13. Воронова Л.М., Дегтярев М.В., Чащухина Т.И. // ФММ. 2021. Т. 122. № 6. С. 600; Voronova L.M., Degtyarev M.V., Chashchukhina T.I. // Phys. Met. Metallogr. 2021. V. 122. No. 6. P. 559.
  14. Stolbovsky A. // Mater. Today. Proc. 2021. V. 38. No. 4. P. 1817.
  15. Liu X., Choi D., Beladi H. et al. // Scr. Mater. 2013. V. 69. No. 5. P. 413.
  16. Rohrer G.S., Saylor D.M., El-Dasher B. et al. // Zeitschrift Fur Met. 2004. V. 95. No. 4. P. 197.
  17. Amouyal Y., Rabkin E. // Acta Mater. 2007. V. 55. No. 20. P. 6681.
  18. Zimmerman J., Sharma A., Divinski S.V., Rabkin E. // Scr. Mater. 2020. V. 182. P. 90.
  19. Saylor D., Rohrer G. // J. Amer. Ceram. Soc. 1999. V. 82. No. 6. P. 1529.
  20. Кузнецов П.В., Рахматулина Т.В., Беляева И.В., Корзников А.В. // ФММ. 2017. Т. 118. No. 3. С. 255; Kuznetsov P.V., Rakhmatulina T.V., Belyaeva I.V., Korznikov A.V. // Phys. Met. Metallogr. 2017. V. 118. No. 3. P. 241.
  21. Соловьева Ю.В., Старенченко С.В., Старенченко В.А. и др. // Изв. РАН. Сер. физ. 2021. Т. 85. № 9. С. 1229; Solov’eva Yu.V., Starenchenko S.V., Starenchenko V.A. et al. // Bull. Russ. Acad. Sci. Phys. 2021. V. 85. No. 9. P. 941.
  22. Кодиров И.С., Рааб Г.И., Алешин Г.Н. и др. // Изв. РАН. Сер. физ. 2020. Т. 84. № 5. С. 619; Kodirov I.S., Raab G.I., Aleshin G.N. et al. // Bull. Russ. Acad. Sci. Phys. 2020. V. 84. No. 5. P. 508.
  23. Соловьев А.Н., Старенченко С.В., Соловьева Ю.В., Старенченко В.А. // Изв. РАН. Сер. физ. 2019. Т. 83. № 6. С. 806; Solov’ev A.N., Starenchenko S.V., Solov’eva Yu.V., Starenchenko V.A. // Bull. Russ. Acad. Sci. Phys. 2019. V. 83. No. 6. P. 733.
  24. Шурыгина Н.А., Черетаева А.О., Глезер А.М. и др. // Изв. РАН. Сер. физ. 2018. Т. 82. № 9. С. 1226; Shurygina N.A., Cheretaeva A.O., Glezer A.M. et al. // Bull. Russ. Acad. Sci. Phys. 2018. V. 82. No. 9. P. 1113.
  25. Stolbovsky A. // IOP Conf. Ser. Mater. Sci. Eng. 2020. V. 969. No. 1. Art. No. 012084.
  26. Ronneberger O., Fischer P., Brox T. // Lect. Notes Comput. Sci. 2015. V. 9351. P. 234.
  27. Meyer F. // 1992 Int. Conf. Image Proc. Appl. 1992. V. 354. P. 303.
  28. Dempster A.P., Laird N.M., Rubin D.B. // J. Royal Stat. Soc. B. 1977. V. 39. No. 1. P. 1.
  29. Bock D., Velleman P., De Veaux R., Bullard F. Stats: Modeling the World. 5th ed. Pearson, 2019. 864 p.
  30. Voronova L.M., Degtyarev M.V., Chashchukhina T.I. et al. // Mater. Sci. Eng. A. 2015. V. 639. P. 155.
  31. Woods J.W. Multidimensional signal, image, and video processing and coding. 2nd ed. Elsevier Inc., 2011. 616 p.
  32. Walton W. // Nature. 1948. V. 162. P. 329.
  33. Glezer A.M., Tomchuk A.A., Sundeev R.V., Gorshenkov M.V. // Mater. Lett. 2015. V. 161. P. 360.
  34. McLachlan G., Peel D. Finite mixture models. John Wiley & Sons Inc., 2000. 456 p.
  35. Осинников Е.В., Мурзинова С.А., Истомина А.Ю. и др. // ФММ. 2021. Т. 122. № 10. С. 1049; Osinnikov E.V., Murzinova S.A., Istomina A.Yu. et al. // Phys. Met. Metallogr. 2021. V. 122. No. 10. P. 976.
  36. Попов В.В., Попова Е.Н., Кузнецов Д.Д. и др. // ФММ. 2014. Т. 115. № 7. С. 727; Popov V.V., Popova E.N., Kuznetsov D.D. et al. // Phys. Met. Metallogr. 2014. V. 115. No. 7. P. 682.
  37. Guo X.K., Dong H.L., Luo Z.P. et al. // Scr. Mater. 2022. V. 214. Art. No. 114656.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2.

3.

Скачать (89KB)
4.

Скачать (148KB)

© Н.С. Чикунова, А.В. Столбовский, С.А. Мурзинова, Р.М. Фалахутдинов, И.В. Блинов, 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».