NRG COSIA Carbon XPRIZE: carbon-dioxide mineralization in recycled concrete wash water
Notice bibliographique
Résumé
Abstract Wash water is generated as a waste stream from ready-mixed-concrete production. Reuse of the water as mixture water is limited, in practice, by the negative material performance impacts associated with the water chemistry and properties; the effects are intensified with increasing content of suspended solids and age. However, this waste material can be used as a beneficial additive to concrete by profiting from the cementitious properties of the suspended solids, if variability can be reduced. A method of stabilizing this material is through CO2 treatment. The added CO2 is mineralized through a reaction with the calcium from the cement particles. This provides a calcium-carbonate coating that prevents further cement hydration, making the material predictable. This has been shown to alleviate concerns with set acceleration and inconsistencies in compressive strength. A method of CO2 treatment was tested as part of the NRG COSIA Carbon XPRIZE at a site in Calgary, Alberta. The slurry for the treatment was provided by a local concrete plant and had a specific gravity of 1.15. The simulated wash water was treated in 1000-L quantities with each treatment mineralizing an average of 40 kg of CO2. The system ran for 1600 hours of operation over 127 treatment cycles and converted 14.5 tonnes of CO2 at an average mineralization efficiency of 80%. The treated slurry was used as an additive in >300 batches of concrete where the concrete met the necessary requirements for fresh properties and setting time, while achieving a strength benefit. Replacement of 5% and 10% of batch water with treated slurry (9.4 and 18.8 kg slurry/m3 concrete) showed a strength benefit of 3% and 6% compared to a reference. The technology was selected as the winner of the NRG COSIA Carbon XPRIZE (Track B: Natural Gas) in April 2021.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».