Content Analysis of Data on the Thermal Properties of Fluoride and Modified Fluoride Glasses

L. A. Vaimugin; Ваймугин Л. А.; K. S. Nikonov; Никонов К. С.; L. V. Moiseeva; Моисеева Л. В.; M. N. Brekhovskikh; Бреховских М. Н.

doi:10.31857/S0002337X23090154

Content Analysis of Data on the Thermal Properties of Fluoride and Modified Fluoride Glasses

作者: Vaimugin L.A.¹, Nikonov K.S.¹, Moiseeva L.V.², Brekhovskikh M.N.¹
隶属关系:
1. Kurnakov Institute of General and Inorganic Chemistry, Russian Academy of Sciences
2. Prokhorov General Physics Institute, Russian Academy of Sciences
期: 卷 59, 编号 9 (2023)
页面: 1043-1052
栏目: Articles
URL: https://kld-journal.fedlab.ru/0002-337X/article/view/668142
DOI: https://doi.org/10.31857/S0002337X23090154
EDN: https://elibrary.ru/GBYKDO
ID: 668142

如何引用文章

全文:

开放存取

##reader.subscriptionAccessGranted##
受限制的访问

订阅存取

详细
作者简介
参考
补充文件
统计

详细

Using content analysis and the Python programming environment, we have found a number of general relationships determining the thermal properties of fluoride and modified fluoride glasses. Their compositions have been classified according to their glass transition temperature (Tg) and the difference between their crystallization onset temperature (Tx) and glass transition temperature: Tx – Tg. The use of Kauzmann’s rule for fluoride glasses, unmodified and modified with other halogens, has been shown to be more reliable if the Tg/Tm ratio is used, compared to the Tg/Tl ratio. We have qualitatively assessed how anion modification influences characteristic temperatures (glass transition temperature Tg, crystallization onset temperature Tx, crystallization peak temperature Tc, melting onset temperature Tm, and liquidus temperature Tl) and crystallization stability criteria (Hruby criterion K, Saad–Poulain criterion S, reduced thermal stability interval H, thermal stability interval Tx – Tg, and reduced glass transition temperatures Tg/Tm and Tg/Tl).

关键词

thermal properties, characteristic temperatures, fluoride glasses, property–composition, relationship, interpretative models

参考

Sosso G.C., Deringer V.L., Elliot S.R., Csanyi G. Understanding the Thermal Properties of Amorphous Solids Using Machine-Learning-Based Interatomic Potentials // Mol. Simul. 2018. № 11. P. 866–880. https://doi.org/10.1080/08927022.2018.1447107
Lu Z., Chen X., Liu X., Lin D., Wu Y., Zhang Y., Wang H., Jiang S., Li H., Wang X., Lu Z. Interpretable Machine-Learning Strategy for Soft-Magnetic Property and Thermal Stability in Fe-Based Metallic Glasses // Comput. Mater. 2020. № 6. P. 1–9. https://doi.org/10.1038/s41524-020-00460-x
Федоров В.Д., Сахаров В.В., Басков П.Б., Проворова А.М., Чурбанов М.Ф., Плотниченко В.Г., Иоахим П.Х., Марсель П., Кирхоф И., Кобелка И. Разработка высокочистых фторидных стекол и световодов для приборостроения // Рос. хим. журн. 2001. Т. XLV. № 5–6. С. 51–57.
Асеев В.А., Москалева К.С., Клементьева А.В. Лазерные свинцово-фторидные наностеклокерамики, активированные ионами // Науч.-техн. вестн. СПбГУ ИТМО. 2008. Т. 49. № 4. С. 221–227.
Савикин П.А., Егоров А.С., Будруев А.С., Гришин И.А. Керамический визуализатор двухмикронного лазерного излучения состава ZrF4–BaF2–BiF3, легированного Ho3+ // Неорган. материалы. 2016. Т. 52. № 3. С. 352–353. https://doi.org/10.7868/S0002337X16030131
Гончарук В.К., Котенков Ю.А., Меркулов Е.Б. и др. Способ регенерации фторидных стекол. Патент РФ № 2259325 С1. приор. 28.04.2004. БИ № 24. 2005. 6 с.
Андриец С.П., Дедов Н.В., Малютина В.М., Соловьев А.И. Способ иммобилизации твердых радиоактивных отходов: Патент РФ № 2369930 С2. Приор. 28.12.2007. БИ № 28. 2009. 7 с.
Гончарук В.К., Михтеев С.Ш., Михтеева Е.Ю., Гуменюк П.В. Оптические свойства фторидных стекол // Тр. ДВГТУ. 2003. № 135. С. 132–136.
Игнатьева Л.Н., Бузник В.М. Квантовохимическое исследование строения стекол на основе оксифторида ниобия // Журн. структур. химии. 2000. Т. 41. № 2. С. 263–268.
Вахмин С.Ю., Косилов А.Т., Ожерельев В.В. Компьютерное моделирование атомной структуры металлического стекла палладия // Физика и химия стекла. 2013. Т. 39. № 6. С. 938–946.
Kareem S., Jabeen N., Taqi S., Ferhatullah S., Ahmed B. Density of Fluoride Glasses through Artificial Intelligence Techniques // Ceram. Int. 2021. № 47. P. 30172. https://doi.org/10.1016/j.ceramint.2021.07.196
Bishnoi S., Ravinder R., Grover H., Kodamana H., Krishnan A. Scalable Gaussian Processes for Predicting the Optical, Physical, Thermal, and Mechanical Properties of Inorganic Glasses with Large Datasets // Mater. Adv. 2021. № 2. P. 477–487. https://doi.org/10.1039/D0MA00764A
Guo H., Wang Q., Urban A., Artrith N. Artificial Intelligence-Aided Mapping of the Structure−Composition−Conductivity Relationships of Glass−Ceramic Lithium Thiophosphate Electrolytes // Chem. Mater. 2022. V. 34. P. 6702–6712. https://doi.org/10.1021/acs.chemmater.2c00267
Папко Л.Ф., Дяденко М.В. Химическая технология стекла и ситаллов. Минск: Изд-во БГТУ, 2017. 150 с.
Singla S., Mannan S., Zaki M., Krishnan A. Accelerated Design of Chalcogenide Glasses through Interpretable Machine Learning for Composition–Property Relationships // J. Phys. Mater. 2023. V. 6. № 2. P. 1–17. https://doi.org/10.1088/2515-7639/acc6f2
Родионова О.Е. Хемометрический подход к исследованию больших массивов химических данных // Рос. хим. журн. 2006. Т. L. № 2. С. 128–144.
Беженцев В.М., Тарасова О.В., Дмитриев А.В., Рудик А.В., Лагунин А.А., Филимонов Д.А., Поройков В.В. Компьютерный прогноз путей метаболизма ксенобиотиков в организме человека // Успехи химии. 2016. Т. 85. № 8. С. 854–879. https://doi.org/10.1070/RCR4614?locatt=label:RUSSIAN
Мазурин О.В., Гусаров В.В. Будущее информационных технологий в материаловедении // Физика и химия стекла. 2002. Т. 28. № 1. С. 74–86.
Киселева Н.Н., Дударев В.А., Земсков В.С. Компьютерные информационные ресурсы неорганической химии и материаловедения // Успехи химии. 2010. Т. 79. № 2. С. 162–188.
Зибарева И.В. Химические базы данных международной сети научно-технической информации STN International // Изв. АН. Сер. хим. 2012. Т. 61. № 3. С. 679–716.
Федоров П.П. Критерии образования фторидных стекол // Неорган. материалы. 1997. Т. 33. № 12. С. 1415–1424.
Коряков З., Битт В. Легкоплавкие стекла с определенным комплексом физико-химических свойств // Компоненты и технологии. 2004. № 5. С. 126–128.
Чакветадзе Д.К., Спиридонов Ю.А., Наумова К.В., Сигаев В.Н. Легкоплавкие стеклокомпозиции для вакуумплотного низкотемпературного спаивания изделий в широком интервале значений ТКЛР // Успехи в химии и хим. технологии. 2015. Т. XXIX. № 7. С. 84–86.
Мешковский И.К., Новиков А.Ф., Токарев А.В. Химия радиоматериалов. Ч. 2. Поверхность и ее обработка. Спб.: СПб НИУ ИТМО, 2015. 124 с.
Butenkov D., Bakaeva A., Runina K., Krol I., Uslamina M., Pynenkov A., Petrova O., Avetissov I. New Glasses in the PbCl2–PbO–B2O3 System: Structure and Optical Properties // Ceramics. 2023. № 6. P. 1348–1364. https://doi.org/10.3390/ceramics6030083
Gressler C.A., Shelby J.E. Properties and Structure of PbO–PbF2–B2O3 Glasses // J. Appl. Phys. 1989. V. 66. P. 1127–1131. https://doi.org/10.1063/1.343452
Самойленко В.В. Совершенствование рецептурно-технологических параметров изготовления намоточных композитов на основе эпоксиангидридных матриц, армированных базальтовыми и стеклянными волокнами: Дис. … канд. техн. наук. Бийск: БТИ, 2018. 140 с.
Мицель А.А. Прикладная математическая статистика. Томск: Изд-во ТУСУР, 2019. 113 с.
Казьмина О.В., Беломестнова Э.Н., Дитц А.А. Химическая технология стекла и ситаллов. Томск: Изд-во Томского политехн. ун-та, 2011. 170 с.
Кручинин Д.Ю., Фарафонтова Е.П. Физическая химия стеклообразного состояния. Екатеринбург: Изд-во Урал. ун-та, 2021. 108 с.
Аппен А.А. Химия стекла. Л.: Химия, 1974. 352 с.
Шелби Дж. Структура, свойства и технология стекла: пер. с англ. Медведева Е.Ф. / Под ред. Христофорова А.И., Головина Е.П. М.: Мир, 2006. 288 с.
Христофоров А.И., Христофорова И.А. Расчет физико-химических свойств стекол. Владимир: Изд-во Владим. гос. ун-та, 2004. 80 с.