MétaCan
Menu
Retour à la cohorte
Enregistrement W2026097005 · doi:10.1080/10916461003752553

Nanotechnology Prospects in the Petroleum Industry

2012· article· en· W2026097005 sur OpenAlexaff
M. S. Zaman, M. R. Islam, Saeid Mokhatab

Notice bibliographique

RevuePetroleum Science and Technology · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPetroleum industryApplications of nanotechnologyNanotechnologySocietal impact of nanotechnologyFrontierPetroleumEngineeringMaterials scienceChemistryPolitical science

Résumé

récupéré en direct d'OpenAlex

Fulfilling worldwide energy demand in the 21st century is the most challenging problem. Current technologies simply cannot meet these demands. Therefore, we need new discoveries in underlying core science and engineering to find answers to this problem. Nanotechnology offers the prospect of opening an entirely new frontier for energy exploration, the ability to stretch the limits of our current energy sources and to go beyond these sources into new and uncharted territories. Nanotechnology is poised to impact dramatically on all sectors of the energy industry. There is great potential in nanotechnology research to revolutionize the petroleum industry and for the industry to capitalize on nanotechnology's immense benefits. Nanotechnology may someday boost the average global recovery factor of oil and gas. Research in nanotechnology in the petroleum industry is advancing rapidly and an explosion in the application of nanotechnology in this area is to be expected in the next 5 years. This article will specifically address the need for nanotechnology in the petroleum industry that can aid in the development of cheaper, more efficient, and environmentally appealing energy supplies. It also covers the promises of alternative energy sources using nanotechnology.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,007
Tête enseignante GPT0,228
Écart entre enseignants0,221 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum Science and TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207