MétaCan
Menu
Retour à la cohorte
Enregistrement W2288884826 · doi:10.13182/fst14-t5

Multi-Purpose Hydrogen Isotopes Separation Plant Design

2015· article· en· W2288884826 sur OpenAlexaff
H. Boniface, Nirmal V. Gnanapragasam, Donald Ryland, S. Suppiah, I. Castillo

Notice bibliographique

RevueFusion Science & Technology · 2015
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésTritiumHeavy waterTritiated waterUpgradeIsotope separationEnvironmental scienceElectrolysisHydrogenElectrolysis of waterNuclear engineeringDeuteriumIsotopeProcess engineeringRadiochemistryWaste managementChemistryNuclear physicsPhysicsComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

There is a potential interest at CRL to detritiate moderately tritiated light water and to reclaim tritiated, downgraded heavy water. With only a few limitations, a single CECE process configuration can be designed to remove tritium from heavy water or light water and upgrade heavy water. Such a design would have some restrictions on the nature of the feed-stock and tritium product, but could produce essentially tritium-free light or heavy water that is chemically pure. The extracted tritium is produced as a small quantity of tritiated heavy water. The overall plant capacity is fixed by the total amount of electrolysis and volume of catalyst. In this proposal, with 60 kA of electrolysis a throughput of 15 kg·h−1 light water for detritiation, about 4 kg·h−1 of heavy water for detritiation and about 27 kg·h−1 of 98% heavy water for upgrading can be processed. Such a plant requires about 1,000 L of AECL isotope exchange catalyst. The general design features and details of this multi-purpose CECE process are described in this paper, based on some practical choices of design criteria. In addition, we outline the small differences that must be accommodated and some compromises that must be made to make the plant capable of such flexible operation.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,050
Tête enseignante GPT0,291
Écart entre enseignants0,242 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFusion Science & TechnologyMême sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207