Advanced characterisation of 3D structure and porosity of ordinary portland cement (OPC) mortar using plasma focused ion beam tomography and X‐ray computed tomography
Notice bibliographique
Résumé
The visualisation and quantification of pore networks and main phases have been critical research topics in cementitious materials as many critical mechanical and chemical properties and infrastructure reliability rely on these 3D characteristics. In this study, we realised the mesoscale serial sectioning and analysis up to ∼80 μm by ∼90 μm by ∼60 μm on portland cement mortar using plasma focused ion beam (PFIB) for the first time. The workflow of working with mortar and PFIB was established applying a prepositioned hard silicon mask to reduce curtaining. Segmentation with minimal human interference was performed using a trained neural network, in which multiple types of segmentation models were compared. Combining PFIB analysis at microscale with X-ray micro-computed tomography, the analysis of capillary pores and air voids ranging from hundreds of nanometres (nm) to millimetres (mm) can be conducted. The volume fraction of large capillary pores and air voids are 11.5% and 12.7%, respectively. Moreover, the skeletonisation of connected capillary pores clearly shows fluid transport pathways, which is a key factor determining durability performance of concrete in aggressive environments. Another interesting aspect of the FIB tomography is the reconstruction of anhydrous phases, which could enable direct study of hydration kinetics of individual cement phases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».