MétaCan
Menu
Retour à la cohorte
Enregistrement W2317243088 · doi:10.1021/ie303275e

Physico–Chemical Processes Limiting CO<sub>2</sub> Uptake in Concrete during Accelerated Carbonation Curing

2013· article· en· W2317243088 sur OpenAlexaff
Sormeh Kashef-Haghighi, Subhasis Ghoshal

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCarbonationCementCuring (chemistry)Materials scienceMortarPortlanditeChemical engineeringMicrostructureCarbonatationComposite materialPortland cement

Résumé

récupéré en direct d'OpenAlex

Accelerated curing of fresh concrete using CO 2 is a possible approach for value-added, high-volume usage products from waste CO 2 emitted from stationary sources. The extent of CO 2 uptake and the spatial distribution of the CaCO 3 (s) precipitates formed during accelerated carbonation curing of compacted, 4-h hydrated cement mortar (fresh concrete mixture with fine aggregates) samples were investigated in this study. The maximum carbonation efficiency achieved was 20% of the theoretical uptake. Microprobe imaging was used to analyze the composition of the compacted cement mortar microstructure and showed extensive filling of pores of diameters 4 μm and smaller, with CaCO 3 (s). The carbonation efficiency, however, reached 67% when an aqueous suspension of cement was carbonated in a completely mixed reactor, where interparticle pores do not exist and a higher surface area of cement particles is exposed to dissolved CO 2 . The theoretical efficiency was not achieved because all reactive cement surfaces were saturated with carbonation products, as indicated by equilibrium concentrations of dissolved calcium, silica, inorganic carbon, and pH. This study shows that both deposition of CaCO 3 (s), on reactive surfaces, and pore filling may regulate the extent of CO 2 uptake during accelerated carbonation curing of concrete.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,064
Tête enseignante GPT0,291
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetConcrete and Cement Materials ResearchTravaux en français237 207