Carbon nanofibers encapsulated by polyethylene glycol increase the mechanical properties and durability of OPC mortars
Notice bibliographique
Résumé
Carbon nanofibers (CNF) are promising additives for the reinforcement of cementitious materials. However, due to their high specific surface and hydrophobic nature, CNF are difficult to disperse in ordinary Portland cement (OPC) mortars when using conventional plasticizers. In this work, we evaluate the production of mortars with CNF encapsulated by a thin layer of polyethylene glycol (PEG) covalently grafted at their surface (CNF@PEG). CNF@PEGs were chemically prepared using two methods with PEG of various molecular weights. In all cases, the dispersion of the CNF@PEG in water as well as in a simulated cement pore solution was improved. Remarkably, mortars fabricated with CNF@PEG4k (PEG of molecular weight 4000 g/mol) exhibited a 20 % increase in compressive strength, 10 % increase in flexural strength and 25 % increase of the Young's modulus measured after 7 days, in comparison to a reference mortar. Finally, electrochemical impedance spectroscopy (EIS) was used to assess the ionic resistivity of the mortar. Mortars containing CNF@PEG4K had an ionic resistivity 43 % higher than the reference sample at 28 days leading to better durability. These results demonstrate that encapsulation of CNF by PEG is a successful strategy to improve the mechanical performance and durability of CNF-containing OPC mortars. • Polyethylene glycol, PEG, is grafted on carbon nanofibers, CNF, to form core@shell CNF@PEG. • Unlike CNF, CNF@PEG are dispersible in cement pore solution without aggregate formation. • Mortars containing CNF@PEG exhibit higher compressive strength and flexural strength. • CNF@PEG has a higher electrical resistivity and lower chloride permeability with an expected durability improvement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».