MétaCan
Menu
Retour à la cohorte
Enregistrement W7125115586 · doi:10.18280/rcma.350609

Synergistic Influence of Micro-and Nano-Reactive Additives on Cement Mortar Performance

2025· article· W7125115586 sur OpenAlexvenueno aff
Mohammed J. Kadhim, Hamza M. Kamal, Fayq H. Jabbar

Notice bibliographique

RevueRevue des composites et des matériaux avancés · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueConcrete and Cement Materials Research
Établissements canadiensnon disponible
Organismes subventionnairesMustansiriyah University
Mots-clésCementMortarWeldingRaw materialComposite number

Résumé

récupéré en direct d'OpenAlex

There are several drivers for the continuous development of concrete technology, among them concerns about greenhouse gas emissions and the depletion of natural resources resulting from the high production of Portland cement.One sustainable solution is to use fly ash as an additional cementitious material to partially replace cement on a different scale, which has shown beneficial effects on the performance of cement-based composites.The present study investigates and compares the influence of fly ash (FA) and nano-fly ash (NFA) on the mechanical and physical properties of cement mixtures.The cement mortar mixtures were prepared by replacing 1-6% NFA or 15% fly ash (FA).All mixtures were designed with a fixed binder content of 900 Kg/m³ and a constant water-to-binder ratio of 0.30.The workability, apparent density, water absorption, compressive strength, and flexural strength of all mortar mixes were evaluated and compared with the control mixture containing no mineral admixtures.The indication of FA incorporation improved the performance of mortar, whereas NFA exhibited significantly greater enhancements in both physical and mechanical properties.The observed enhancement may be attributed to pore refinement, the micro-filling effect, and the high reactivity of NFA.The optimum NFA level was observed to be 4% resulting in an 83.4% and 58.6% increase in mechanical properties, compressive strength and modulus of rupture, respectively, over the reference mixture at 4 weeks.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,029
Tête enseignante GPT0,280
Écart entre enseignants0,251 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue des composites et des matériaux avancésMême sujetConcrete and Cement Materials ResearchTravaux en français237 207