MétaCan
Menu
Retour à la cohorte
Enregistrement W2613763843 · doi:10.1139/cjce-2016-0570

Performance of carbon nanotubes in mortar using different surfactants

2017· article· en· W2613763843 sur OpenAlexvenueno aff
Mohamed Elkashef, Mohamed Nagib Abou‐Zeid

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, San DiegoAmerican University in Cairo
Mots-clésCarbon nanotubeDispersion (optics)Flexural strengthMaterials sciencePulmonary surfactantMortarRaman spectroscopyCompressive strengthComposite materialSonicationSodium dodecyl sulfateComposite numberChemical engineeringChemistryChromatography

Résumé

récupéré en direct d'OpenAlex

The performance of carbon nanotubes (CNTs) in cement-based composites relies to a great extent on its degree of dispersion. In this work, the performance of two commonly used surfactants; sodium dodecyl sulfate (SDS) and Triton X-100, is being compared. The effect of surfactant-to-CNT ratio on dispersion efficiency is studied using ultraviolet-visible (UV-Vis) spectrometry, to determine the optimum surfactant dosage. For the optimum ultrasonication energy, Raman spectroscopy is used to assess the degree of imperfections on CNTs. CNTs-reinforced mortar specimens prepared using Triton X-100 and SDS are tested for compressive and flexural strength. Triton X-100 is shown to exhibit better dispersion efficiency than SDS, leading to greater improvement in flexural and compressive strength. An ultrasonication time of 60 min (19.4 kJ/mL) is shown to be sufficient to achieve proper dispersion, however notable degradation of CNTs was noted beyond 30 min (9.7 kJ/mL) of dispersion leading to a strength reduction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,186
Écart entre enseignants0,176 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetSmart Materials for ConstructionTravaux en français237 207