MétaCan
Menu
Retour à la cohorte
Enregistrement W2968988749 · doi:10.4028/www.scientific.net/msf.967.221

Durability Enhancement of Concrete Using Nanomaterials: An Overview

2019· article· en· W2968988749 sur OpenAlexaff
Adeyemi Adesina

Notice bibliographique

RevueMaterials science forum · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDurabilityNanomaterialsMaterials scienceNanotechnologyComposite material

Résumé

récupéré en direct d'OpenAlex

Different initiatives have evolved over the years to improve the durability of concrete, and one of the promising areas gaining attention in recent years is the use of nanomaterials in concrete. Though most of the applications of nanomaterials to improve the properties of concrete has been restricted to laboratory applications, it is anticipated that in few years to come more commercial and large-scale applications will ensue. This overview explored different types of nanomaterials already used in concrete and their effects on the durability of concrete. It was found out that nanosilica is the most used nanomaterial in concrete. And all types of nanomaterials currently used, enhance the durability of concrete significantly compared to other methods employed before the advent of nanomaterials in concrete. However, the use of other nanomaterials such as nanotitania and nanoalumina is attracting great attention. But the use of nanomaterials in concrete is faced by several challenges such as its high cost, production process, toxicity, etc. It is expected that with more research and application in the use of nanomaterials to enhance the properties of concrete, cheap and user-friendly nanomaterials can be developed. In addition, this review shows the possibility of enhancing the current durability properties with the use of nanomaterials.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,006
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,044
Tête enseignante GPT0,312
Écart entre enseignants0,268 · 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

Citations35
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials science forumMême sujetConcrete and Cement Materials ResearchTravaux en français237 207