MétaCan
Menu
Retour à la cohorte
Enregistrement W2767179966 · doi:10.1038/s41598-017-15115-z

Building on Sub-Arctic Soil: Geopolymerization of Muskeg to a Densified Load-Bearing Composite

2017· article· en· W2767179966 sur OpenAlexafffund
Gregory R. Waetzig, Junsang Cho, Max Lacroix, Sarbajit Banerjee

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensCenovus Energy (Canada)
Organismes subventionnairesCenovus Energy
Mots-clésChronosequenceArcticComposite numberGeopolymerTopsoilEnvironmental scienceGeologyCompressive strengthMaterials scienceComposite materialSoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

The marshy water-saturated soil typical of the sub-Arctic represents a considerable impediment to the construction of roads, thereby greatly hindering human habitation and geological excavation. Muskeg, the native water-laden topsoil characteristic of the North American sub-Arctic, represents a particularly vexing challenge for road construction. Muskeg must either be entirely excavated, or for direct construction on muskeg, a mix of partial excavation and gradual compaction with the strategic placement of filling materials must be performed. Here, we demonstrate a novel and entirely reversible geopolymerization method for reinforcing muskeg with wood fibers derived from native vegetation with the addition of inorganic silicate precursors and without the addition of extraneous metal precursors. A continuous siloxane network is formed that links together the muskeg, wood fibers, and added silicates yielding a load-bearing and low-subsidence composite. The geopolymerization approach developed here, based on catalyzed formation of a siloxane network with further incorporation of cellulose, allows for an increase of density as well as compressive strength while reducing the compressibility of the composite.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,271
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetConcrete and Cement Materials ResearchTravaux en français237 207