L'interaction ciment/superplastifiant. Cas des polysulfonates
Bibliographic record
Abstract
Cet article présente une synthèse de plusieurs travaux de recherche effectués ces dernières années à l'université de Sherbrooke dans le cadre d'études sur le phénomène de compatibilité entre les ciments Portland et les superplastifiants à base de polysulfonates. Ces recherches ont mis en évidence l'importance cruciale de la vitesse de dissolution des différents sulfates que l'on retrouve dans un ciment Portland lorsqu'il s'agit de maintenir l'affaissement des bétons superplastifiés. Chaque fois que la solution interstitielle du béton frais présente un déficit en ions SO42- des molécules de polysulfonate vont neutraliser des sites actifs du C3A et c'est cette consommation de molécules de polysulfonate qui occasionne alors une perte d'affaissement. La teneur en sulfates alcalins du clinker qui a servi à fabriquer le ciment devient donc un facteur clé dans cette compétition entre les ions SO42- et les terminaisons SO3- des polysulfonates lorsqu'il s'agit de neutraliser les sites actifs du C3A. En effet, les sulfates alcalins sont beaucoup plus rapidement solubles que les différentes formes de sulfate de calcium que l'on a rajouté au clinker dans les broyeurs et, en général, ils se situent très près du C3A sur les grains de ciment. L'importance de la teneur en sulfates alcalins explique aussi pourquoi ce sont les ciments à très faible teneur en alcalins et les ciments blancs, qui contiennent très peu d'alcalins en général, qui sont les ciments les moins compatibles avec les superplastifiants à base de polysulfonates. Dès le moment où l'on connaît une des causes principales de la perte d'affaissement de certains bétons superplastifiés, il devient très facile de corriger ces cas d'incompatibilité : il suffit de rajouter une quantité adéquate de sulfate alcalin rapidement soluble dans le béton au moment de son gâchage.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".