Physico-Antibacterial Feature and SEM Morphology of Bio-Hydraulic Lime Mortars Incorporating Nano-Graphene Oxide and Binary Combination of Nano-Graphene Oxide with Nano Silver, Fly Ash, Zinc, and Titanium Powders
Notice bibliographique
Résumé
The study evaluated the impact of graphene powders used as additives in the recipe of the experimental lime mortar to a mixture ratio of 1:2.5 of NHL3.5 hydraulic lime:fine sand. The content of binder, aggregate and water was kept constant, varying only the amount and the type of the added additives in relation to the amount of natural hydraulic lime NHL3.5. The following five types of experimental mortars were prepared as follows: reference mortar (without additive); mortars containing 1 wt.% GO and 5 wt.% GO powder; mortar with the following GO powders mixture: GO powder functionalized with silver nanoparticles and with fly ash (GO-Ag + GO-fly ash); mortar with the following GO powders mixture: GO with zinc oxide and with titanium oxide (GO-ZnO + GO-TiO2). The influence of the GO-based additive addition on the porosity, surface microstructure, and water sorption coefficient of the mortar samples was evaluated. The antibacterial effect of the mortar samples against three bacterial strains was also investigated. The best results were obtained for the experimental mortar containing GO-ZnO -TiO2, which showed improved experimental properties that potentially allow its use for the rehabilitation of heritage buildings.
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 ».