Energetics of glass fragmentation: Experiments on synthetic and natural glasses
Notice bibliographique
Résumé
Natural silicate glasses are an essential component of many volcanic rock types including coherent and pyroclastic rocks; they span a wide range of compositions, occur in diverse environments, and form under a variety of pressure‐temperature conditions. In subsurface volcanic environments (e.g., conduits and feeders), melts intersect the thermodynamically defined glass transition temperature to form glasses at elevated confining pressures and under differential stresses. We present a series of room temperature experiments designed to explore the fundamental mechanical and fragmentation behavior of natural (obsidian) and synthetic glasses (Pyrex™) under confining pressures of 0.1–100 MPa. In each experiment, glass cores are driven to brittle failure under compressive triaxial stress. Analysis of the load‐displacement response curves is used to quantify the storage of energy in samples prior to failure, the (brittle) release of elastic energy at failure, and the residual energy stored in the post‐failure material. We then establish a relationship between the energy density within the sample at failure and the grain‐size distributions ( D ‐values) of the experimental products. The relationship between D‐values and energy density for compressive fragmentation is significantly different from relationships established by previous workers for decompressive fragmentation. Compressive fragmentation is found to have lower fragmentation efficiency than fragmentation through decompression (i.e., a smaller change in D‐value with increasing energy density). We further show that the stress storage capacity of natural glasses can be enhanced (approaching synthetic glasses) through heat treatment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».