MétaCan
Menu
Retour à la cohorte
Enregistrement W2038158248 · doi:10.5539/jmsr.v2n1p163

Variations in the Electrical Resistivity of Vapour Grown Carbon Fibres by Effect of Successive Operations of Intake and Outgassing of Hydrogen

2012· article· en· W2038158248 sur OpenAlexvenueno aff
César Mota, A. Madroñero, José Maria Amo, José Ignacio Robla, Mario Culebras, A. Cantarero

Notice bibliographique

RevueJournal of Materials Science Research · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensnon disponible
Organismes subventionnairesMinisterio de Ciencia e Innovación
Mots-clésOutgassingMaterials scienceHydrogenElectrical resistivity and conductivityCarbon fibersDesorptionNitric acidDecompositionMethaneKineticsEtching (microfabrication)CatalysisSorptionUltra-high vacuumChemical engineeringComposite materialInorganic chemistryNanotechnologyComposite numberMetallurgyOrganic chemistryChemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

The aim of this work is to study the behaviour of Vapour Growth Carbon Fibres (VGCF) with different treatments after the intake and outgassing of hydrogen takes place. The VGCFs are prepared via catalyzed decomposition of a mixture of hydrogen and methane. The catalyst was minute particles of iron. The fibre thickness was about 10 to 20 microns and they have a trunk-tree inner structure. Two different treatments are tested to improve the properties of the as grown samples: a heat treatment under vacuum conditions and an acid etching with nitric acid. The desorption kinetics of the three type of samples is studied measuring the electrical resistivity during the hydrogen outgassing. As a result, the surface treatment with acid etching seems to be an efficient method to improve the kinetics of the hydrogen sorption in the first hydrogenation cycle.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
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 Opus0,035
Tête enseignante GPT0,367
Écart entre enseignants0,332 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetHydrogen Storage and MaterialsTravaux en français237 207