MétaCan
Menu
Retour à la cohorte
Enregistrement W2234435767 · doi:10.17975/sfj-2015-010

Operational Characterization of a Combined Electrolysis Catalytic Exchange Process

2015· article· en· W2234435767 sur OpenAlexafffundvenue
Kelvin Tsun Wai Ng

Notice bibliographique

RevueSTEM Fellowship Journal · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Nuclear Laboratories
Mots-clésElectrolysisNuclear engineeringIsotope separationPolymer electrolyte membrane electrolysisEnvironmental scienceElectrolytic processWaste managementElectrolysis of waterChemistryProcess engineeringElectrolyteEngineeringNuclear physicsIsotopeElectrodePhysics

Résumé

récupéré en direct d'OpenAlex

Many current CECE systems, which are used to extract harmful tritium from heavy water nuclear reactors, operate with inefficient alkaline electrolyzers that contain dangerous caustic chemicals. Thus the Hydrogen Isotope Branch at Chalk River Laboratories developed and integrated a safer and more efficient PEM electrolyzer to replace the alkaline electrolyzer. In this research, a bench-scale CECE system with a PEM type electrolyzer at Chalk River Laboratories was tested at LPCE column temperatures of 20°C, 40°C and 60°C to determine baseline operational parameters and conditions for optimal isotopic exchange. Increased operational temperature led to greater isotopic exchange across the PEM electrolyzer but not the LPCE column, an irregularity likely caused by an insufficient amount of catalyst in the column. Increased LPCE temperature also led to a decrease in overall system flow stability. Finally, the PEM electrolyzer voltage exhibited an unusual sharp rise throughout testing, indicating the membrane's susceptibility to damage if used without proper conditioning. Research conclusions will be taken into consideration in setting up a new bench-scale CECE process that more accurately models tritium extraction using a PEM electrolyzer.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,031
Tête enseignante GPT0,263
Écart entre enseignants0,233 · 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

Citations2
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSTEM Fellowship JournalMême sujetHydrogen Storage and MaterialsTravaux en français237 207