MétaCan
Menu
Retour à la cohorte
Enregistrement W4392803939 · doi:10.3389/fmats.2024.1267197

Study on microstructural and mechanical properties of cementitious materials composed of fly ash and dacite powder

2024· article· en· W4392803939 sur OpenAlexaff
Lu Liu, Jianjun Tan, Huanfeng Qiu, Jianbo Zhang, Yong Guo

Notice bibliographique

RevueFrontiers in Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésCementitiousFly ashMaterials scienceComposite materialCement

Résumé

récupéré en direct d'OpenAlex

The hydration reaction of mass concrete seriously endangers the structural safety. At present, the concrete production relies excessively on fly ash due to hydration reaction. In view of the problem that the demand of fly ash exceeds the supply, this paper proposes to use dacite powder to partially replace fly ash as the raw material for preparing cementitious materials. Through comprehensive tests and microstructure tests, various properties of dacite powder and fly ash composite cementitious materials are studied. The results show that: 1. The dacite powder with a specific surface area of 650 m2/kg, a fineness of 15% under laser particle size and a ball-milling time of 1.0 h has the best performance. 2. It is advisable to mix dacite powder and fly ash. The total amount of dacite powder should not exceed 30% of the cementitious material. It has the best performance when the amount of dacite powder and fly ash is the same. 3. The alkali activity of aggregate can hardly be inhibited by mixing dacite powder alone. The recommended measures to inhibit the alkali activity of aggregate are: i) mixing more than 20% fly ash alone. ii) mixed with 25% dacite powder and more than 15% fly ash.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,239
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MaterialsMême sujetConcrete and Cement Materials ResearchTravaux en français237 207