MétaCan
Menu
Retour à la cohorte
Enregistrement W4224238657 · doi:10.3389/fmats.2022.893927

Influence of Quartz Fiber on Electromagnetic Wave Transmission Properties of High-Alumina Cement Paste

2022· article· en· W4224238657 sur OpenAlexaff
Bin Yang, Yue Li, Jianglin Liu, YiNuo Li, Caiyun Jin, Hongwen Li

Notice bibliographique

RevueFrontiers in Materials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueElectromagnetic wave absorption materials
Établissements canadiensMcGill University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMaterials scienceQuartzComposite materialPermittivityCementElectrical resistivity and conductivityMicrostructureFiberMolar absorptivityDielectricTransmittanceScanning electron microscopeMineralogyOpticsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

In this paper, the effects of quartz fibers on the resistivity, complex permittivity, complex permeability, and S-parameters of high-alumina cement pastes are investigated. Meanwhile, the change of microstructure after adding quartz fibers were analyzed by mercury intrusion porosimetry (MIP) and scanning electron microscope (SEM). The results show that with the increase the content of quartz fiber, the real part of complex permittivity decreases, while the imaginary part of complex permittivity, dielectric loss tangent, and resistivity increased. At the same time, there are more small pores, and the interface situation is more complicated after adding quartz fiber. Therefore, the reflectivity decreases and the absorptivity increases, but the scope of increase in the absorptivity is smaller than the decrease in the reflectivity, resulting in an increase in the transmittivity. When the content of quartz fiber is 0.15, 0.30, 0.45, and 0.60%, the average transmittance of high-alumina cement paste is increased by 3.69, 6.18, 15.51, and 21.03% respectively. It is indicated that the quartz fibers can improve the wave transmission properties of the high-alumina cement paste.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0050,000

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 Opus0,009
Tête enseignante GPT0,196
Écart entre enseignants0,186 · 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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MaterialsMême sujetElectromagnetic wave absorption materialsTravaux en français237 207