MétaCan
Menu
Retour à la cohorte
Enregistrement W3015742396 · doi:10.1021/acsomega.0c00709

Preparation of a Composite Calcium Silicate Board with Carbide Slag and Coal-Based Solid Waste Activated by Different Alkali Activators

2020· article· en· W3015742396 sur OpenAlexaff
Dingyi Wei, Cuifeng Du, Lianfu Zhang, Yanxin Li, Lei Ba

Notice bibliographique

RevueACS Omega · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaMinistry of Education of the People's Republic of China
Mots-clésMaterials scienceFlexural strengthCalcium silicate hydrateAlkali metalRaw materialComposite numberGeopolymerCalcium silicateWaste managementCompressive strengthSilicon carbideCementComposite materialMetallurgyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Overall performance of composite calcium silicate boards (CCSBs) was investigated to further promote their application. The alkali activators were used to fully hydrate the calcium and silicon raw materials, which further improved the comprehensive performance of the CCSBs made of four pure industrial solid wastes. Within the range of dosage in this study, single doping of different proportions of the alkali activator improved the flexural strength of the CCSB. Based on this, the mechanical properties of the CCSB were further improved as the compounded alkali activator was optimized. Flexural strength is improved when the average pore diameter was refined. The freeze-thaw cycle test shows that a compound-doped alkali activator can effectively reduce the mass loss and strength loss, thereby improving the frost resistance of this material. This research discussed an economically affordable approach to prepare the CCSB material made of industrial solid waste.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,521

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 Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,249 · 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'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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetConcrete and Cement Materials ResearchTravaux en français237 207