MétaCan
Menu
Retour à la cohorte
Enregistrement W4403601462 · doi:10.1016/j.cscm.2024.e03899

Characterizing nano-indentation and microstructural properties of mine tailings-based geopolymers

2024· article· en· W4403601462 sur OpenAlexaff
Abdelhadi Bouchikhi, Mouhamadou Amar, Lamya Arroug, Amine el Mahdi Safhi, Younesse Haddaji

Notice bibliographique

RevueCase Studies in Construction Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced materials and composites
Établissements canadiensEnGlobe (Canada)
Organismes subventionnairesnon disponible
Mots-clésTailingsMaterials scienceNano-NanoindentationIndentationComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

The mining industry's extraction processes produce vast amounts of waste, including mine tailings (MT), traditionally stored in large ponds, causing significant environmental harm due to a lack of effective recycling methods. This research explores the potential of converting MT into a resource i.e., precursors in geopolymer synthesis. By analyzing the physicochemical and mineralogical properties of MT, the study formulates four geopolymer composites, substituting up to 30 wt% MT for fly ash. The composites' mechanical and microstructural properties show a contribution of MT in the stability of the matrix. Compressive strength of 59 MPa when incorporating 30 wt% MT, along with water absorption, microstructural analysis, and environmental impact assessments, support the hypothesis that the matrix is improved. Nano-indentation techniques further evaluated the nanomechanical properties, such as Young's modulus and fracture toughness. The findings reveal that geopolymers with 30 wt% MT exhibits up to 130 % increased strength. This research highlights the potential for innovative, eco-friendly solutions in waste management and material production, contributing to sustainable mining practices and advancing the field of geopolymer technology.

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 enseignants0,001
Score d'incertitude au seuil0,005

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,245 · 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

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCase Studies in Construction MaterialsMême sujetAdvanced materials and compositesTravaux en français237 207