Este estudio investiga el efecto del galio (Ga) líquido en láminas metálicas de titanio (Ti), niobio (Nb) y molibdeno (Mo). Las láminas de Ti, Nb y Mo se calentaron en Ga líquido a 120°C durante un máximo de dos semanas. Tras el calentamiento, se analizaron los cambios en la morfología y la composición química de las láminas metálicas utilizando un microscopio electrónico de barrido de emisión de campo, un espectrómetro de rayos X de energía dispersiva, un difractómetro de rayos X y un espectrómetro de fotoelectrones de rayos X. Los resultados del análisis indicaron que las láminas de Ti, Nb y Mo se habían calentado en Ga líquido a 120°C durante un máximo de dos semanas. Los resultados del análisis indicaron que la lámina de Nb mostraba la mínima adhesión de Ga líquido a la superficie, mientras que se observó que la máxima cantidad de Ga líquido se adhería a la lámina de Ti. Además, la lámina de Nb se oxidó y la de Mo se redujo durante el proceso de calentamiento. Teniendo en cuenta estos efectos, concluimos que el Mo puede utilizarse como material de encapsulación alternativo para el Ga además del Nb, que se utiliza como material de encapsulación convencional, debido a su resistencia química frente a la oxidación en Ga líquido caliente.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Eficaz ajuste cromático de la luminiscencia de conversión ascendente a partir de nanopartículas de oxisulfuro con núcleo celular
Artículo:
Síntesis controlada de nanopartículas de NaYF4:Yb3 , Er3 solubles en agua con propiedades dependientes de los tensioactivos
Artículo:
Compuestos poliméricos rellenos de cáscara de arroz
Artículo:
Dirección de Crecimiento Epitaxial Fácilmente Controlada de Nanocristales de NaLnF4 Heterogéneos Estructurados en Núcleo/Cáscara mediante Métodos Tradicionales
Artículo:
Clasificación del estrés mediante señales fisiológicas multimodales utilizando la descomposición modal variacional y el aprendizaje automático