MétaCan
Menu
Retour à la cohorte
Enregistrement W4411363887 · doi:10.1139/cjce-2024-0583

Macro- and microstructural behavior of graphene-nanoplatelet-reinforced cement composite

2025· article· en· W4411363887 sur OpenAlexvenueno aff
Arpita Das, Rajdip Paul

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceComposite materialComposite numberCementMacroGrapheneMicrostructureNanotechnologyComputer science

Résumé

récupéré en direct d'OpenAlex

This article focuses on establishing the suitability of graphene-nanoplatelet (GNP) cement composite to reduce the steel reinforcement percentage in concrete constructions. The nanofiber percentage in the composite is derived based on the developed compressive and flexural strength. The GNP is mixed with cementitious material with various percentages (0.01%–0.3%) to observe the optimum percentage. After getting the optimum percentage of GNP with cement, comprehensive research was conducted on the composite’s mechanical, morphological, rheological, and optical properties. The numerical study has been conducted based on representative volume elements (RVE) that simulate the composite material. The RVE represents the yielding value of the entire volume, considering the minimum volume upon which a measurement can be made. The research delivers essential information on developing a GNP-reinforced cement composite with prescribed nanofiber percentages that can confidently be adopted to reduce the rate of steel reinforcements for any concrete construction.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,128
Score d'incertitude au seuil0,518

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,178
Écart entre enseignants0,175 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetGraphene and Nanomaterials ApplicationsTravaux en français237 207