Systematic data-driven meta-analysis of class F fly-ash geopolymer concrete
Notice bibliographique
Résumé
• 799 fly-ash geopolymer mixes normalized to 150 × 300 mm cylinder strength • Dataset bundles chemistry, curing, multi-age strengths and CO₂ in one file • Optimal range: 10–12 M NaOH, silica modulus 1.5–2.3, curing ≤ 75°C • Design charts halve CO₂ versus OPC for ≥50 MPa structural concretes Geometry-dependent strength reporting has hindered reliable design of Class F fly-ash geopolymer concrete (FA-GPC). In this study, compressive-strength (CS) results from about 800 mixtures were normalized to the reference 150Ø300 mm cylinder, permitting direct cross-comparison of specimen geometries extracted from 67 peer-reviewed papers. The harmonized dataset bundles oxide chemistry, mix proportions, activator composition, curing schedules, fresh-state metrics, multi-age strengths, and cradle-to-gate CO₂ inventories. Normalized CS across 1–365 days spans 5.8–85.0 MPa, and CO₂ intensities range 66–895 kg CO₂/m³ (mean 160 ± 91). Data mining isolates practical activation windows—NaOH 10–12 M, silica modulus 1.5–2.3, curing ≤ 75°C—that consistently deliver 28-d CS ≥ 50 MPa at ∼160 kg CO₂/m³. Compared to strength-matched OPC concretes, these mixes reduce embodied carbon by ∼45–55% (median ≈ 50%). Strength–carbon design maps and the open dataset enable practitioners to target structural classes under explicit CO₂ budgets and provide a reproducible springboard for machine learning-based prediction, life-cycle assessment, and optimization of alkali-activated concretes and geopolymers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,016 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».