MétaCan
Menu
Retour à la cohorte
Enregistrement W4408118517 · doi:10.1080/21650373.2025.2471820

An overview on polymorphs of calcium carbonate formed during carbon mineralization of cementitious materials

2025· article· en· W4408118517 sur OpenAlexaff
Zhiqiang Xiao, Jian Zhang, Xiang Hu, Amani Khaskhoussi, Pingping He, Xujia You, Xing Su, Wei Chen, Caijun Shi

Notice bibliographique

RevueJournal of Sustainable Cement-Based Materials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCalcium Carbonate Crystallization and Inhibition
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMineralization (soil science)Calcium carbonateCarbonateCementitiousGeologyCalciumGeochemistryMineralogyMaterials scienceMetallurgyCementSoil scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Carbon mineralization presents a promising pathway for reducing the carbon footprint within the cement industry. However, the performance of carbonated cementitious materials is closely tied to the polymorphs of calcium carbonate. This paper examines the factors and strategies governing the formation of calcium carbonate polymorphs in carbonated cementitious materials, including carbonation conditions, additives and physical treatments. Temperature emerges as a critical factor among carbonation conditions, favoring the formation of vaterite at 30 ∼ 40 °C and aragonite above 60 °C. Chemical additives can effectively regulate polymorph formation through multiple mechanisms, such as embedding in the crystals and adsorbing on the surface of calcium carbonate. Additionally, ultrasound enhances vaterite formation, while under high power, it promotes aragonite formation. Magnetic field treatment can enhance aragonite precipitation, with its content increasing with field strength. This review aims to advance research on polymorph regulation, improving performance and broadening applications of carbonated cementitious materials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0020,000

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 Opus0,018
Tête enseignante GPT0,288
Écart entre enseignants0,270 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable Cement-Based MaterialsMême sujetCalcium Carbonate Crystallization and InhibitionTravaux en français237 207