MétaCan
Menu
Retour à la cohorte
Enregistrement W3015690649 · doi:10.3390/ma13081804

Tomography-Based Investigation on the Carbonation Behavior through the Surface-Opening Cracks of Sliced Paste Specimen

2020· article· en· W3015690649 sur OpenAlexaff
Dong Cui, Xiao-Bao Zuo, Keren Zheng, Sudip Talukdar

Notice bibliographique

RevueMaterials · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesGovernment of Jiangsu Province
Mots-clésCarbonationCrackingMaterials scienceComposite materialCarbonatation

Résumé

récupéré en direct d'OpenAlex

Understanding the cracking behavior during carbonation is of high importance, and the cracks can serve as a shortcut for CO2 diffusion, which can further accelerate the carbonation process itself. In this study, a sliced paste sample was taken for an accelerated carbonation test, and the cracking behavior, as well as its impact on carbonation, was investigated through a novel extended attenuation method based on X-ray (XRAM) which is performed primarily on computed tomography (CT). Surface-opening cracks at different carbonation ages were rendered, based on which a full view on the carbonation-cracking behavior was built. The results reveal that the crack paths can rapidly be occupied by CO2, and that leads to the generation of V-shaped carbonation cusps pervading the carbonation fronts. The V-shaped carbonation cusps were mostly generated at the early carbonation age (within 14 days), attesting to a less intact sample surface as compared to the inside area. Moreover, this study confirms that the carbonated area would split into two independent zones with variant carbonation degree due to the increased humidity level near the sample surface. The current work reveals the interconnection between carbonation and cracking, and the results can be used for the designing of cement-based materials with better carbonation and cracking resistance.

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 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 enseignants0,003
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,057
Tête enseignante GPT0,251
Écart entre enseignants0,194 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetConcrete and Cement Materials ResearchTravaux en français237 207