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

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).