MétaCan
Menu
Retour à la cohorte
Enregistrement W4406018863 · doi:10.7764/ric.00134.21

CO2 mineralization in the production of sustainable concrete

2024· article· en· W4406018863 sur OpenAlexaff
Igor De la Varga, Yogiraj Sargam, Daniel Martins Alexio

Notice bibliographique

RevueRevista Ingeniería de Construcción · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensCarbonCure Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésSustainabilityCarbon footprintRaw materialMineralization (soil science)Compressive strengthDurabilityConstruction industryEcological footprintBusinessEnvironmental scienceConstruction engineeringEngineeringGreenhouse gasComputer scienceMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

As the concrete industry continues to grapple with the challenge of reducing its carbon footprint, CO2 mineralization technologies offer a practical and scalable solution. These technologies enable the integration of CO2 as a valuable raw material, transforming waste emissions into durable mineral compounds during the concrete production process. This study investigates the implementation of CO2 mineralization in fresh concrete, analyzing its effects on key material properties such as strength and durability. Experimental results reveal that the process not only ensures equivalent compressive strength of concrete with a reduced cement content, but also contributes to reductions in embodied carbon compared to traditional methods. Furthermore, the study underscores the role of this approach in supporting the industry's decarbonization efforts, aligning with global sustainability goals. The findings highlight CO2 mineralization as a pivotal step toward the creation of more sustainable construction materials, offering both environmental and economic benefits. These conclusions demonstrate the transformative potential of this technology in advancing the sustainability of concrete production while addressing the pressing demand for eco-friendly construction practices.

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 enseignants0,003
Score d'incertitude au seuil0,007

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,255
Écart entre enseignants0,246 · 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 revueRevista Ingeniería de ConstrucciónMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207