MétaCan
Menu
Retour à la cohorte
Enregistrement W2026759596 · doi:10.1149/1.2213419

The Effects of Simulated Fission Products in the Reduction of Hydrogen Peroxide on Simulated Nuclear Fuel Electrodes

2006· article· en· W2026759596 sur OpenAlexafffund
J.S. Goldik, James J. Noël, David W. Shoesmith

Notice bibliographique

RevueJournal of The Electrochemical Society · 2006
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensWestern University
Organismes subventionnairesEnergy Council of CanadaAtomic Energy Council
Mots-clésHydrogen peroxideElectrochemistryHydrogenPolarization (electrochemistry)ChemistryNoble metalNuclear fissionDiffusionMetalElectrodeFission productsFissionMaterials scienceInorganic chemistryThermodynamicsPhysical chemistryRadiochemistryNuclear physicsNeutronPhysics

Résumé

récupéré en direct d'OpenAlex

The electrochemical reduction of hydrogen peroxide has been studied on a series of simulated nuclear fuel (SIMFUEL) materials with different amounts of simulated fission products. Steady-state polarization measurements under diffusion-compensated conditions show that the reaction proceeds with a weak dependence on applied potential and fractional reaction orders with respect to . A mechanism for reduction on SIMFUEL materials is proposed to explain these features. It is found that the activity of the material for the reduction reaction increases with the doping level. This increase can be attributed to noble metal particles present in the SIMFUEL. This enhanced reactivity is most apparent at low overpotentials, where reduction proceeds significantly faster on the noble metal particles than on the lattice.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,237

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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

Citations16
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetNuclear Materials and PropertiesTravaux en français237 207