MétaCan
Menu
Retour à la cohorte
Enregistrement W3001374696 · doi:10.1155/2020/7615848

Mechanism of Alkali‐Activated Copper‐Nickel Slag Material

2020· article· en· W3001374696 sur OpenAlexaff
Tingting Zhang, Haoliang Jin, Lijie Guo, Wenchen Li, Junan Han, Andrew Pan, Dan Zhang

Notice bibliographique

RevueAdvances in Civil Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of ChinaDalian High-Level Talent Innovation ProgramNational Science Foundation
Mots-clésCompressive strengthMaterials scienceSodium silicateCuring (chemistry)Copper slagCopperNickelScanning electron microscopeHumidityMicrostructureSlag (welding)Fourier transform infrared spectroscopyMetallurgyRaw materialAlkali metalComposite materialChemical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

A copper‐nickel slag‐based alkali‐activated cementing material (CNSCM) for backfilling was prepared using copper‐nickel slag as a raw material and sodium silicate (SS) as an activating agent. The effects of SS content (6%, 8%, and 10%) and curing humidity on the compressive strength of CNSCM were investigated using an electronic universal testing machine. Types of hydration products and microstructures were analyzed by X‐ray diffraction, Fourier transform infrared spectroscopy, and scanning electron microscopy. The results indicated that by increasing the SS content, the compressive strength of the CNSCM exhibited an increasing trend, followed by a decreasing trend. The optimal content was 8%. Humidity was identified as another factor affecting compressive strength, which reached 17 MPa after curing for 28 d under standard conditions. A decrease in humidity could improve the compressive strength of the material. The main hydration reaction products of the CNSCM were C‐S‐H gel, Fe (OH) 2 or Fe (OH) 3 gel, and CaCO 3 .

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 enseignants0,003
Score d'incertitude au seuil0,010

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)0,0030,001

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 Opus0,011
Tête enseignante GPT0,233
Écart entre enseignants0,222 · 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Civil EngineeringMême sujetConcrete and Cement Materials ResearchTravaux en français237 207