MétaCan
Menu
Retour à la cohorte
Enregistrement W2521405205 · doi:10.1021/acs.energyfuels.6b01891

Study of the Wettability of Coke by Different Pitches and Their Blends

2016· article· en· W2521405205 sur OpenAlexafffund
Ying Lu, Duygu Kocaefe, Yaşar Kocaefe, Xianai Huang, Dipankar Bhattacharyay, Patrick Coulombe

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFiber-reinforced polymer composites
Établissements canadiensAluminerie Alouette (Canada)Université du Québec à Chicoutimi
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à Chicoutimi
Mots-clésWettingContact angleCokeMaterials sciencePetroleum cokeSessile drop techniqueCoal tarComposite materialChemical engineeringCoalMetallurgyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The properties of coal tar pitch, which is used as the binder material for carbon anode production, strongly affect the anode properties. Pitches have significant differences in their chemical compositions depending on their origin. In this study, four different coal tar pitches and their blends were studied with the aim of understanding the wettability of a calcined petroleum coke by pitch using the sessile-drop test. In this test, contact angle, which is an indication of wettability, is measured. Contact angles decrease with increasing time, and smaller contact angle means better wettability. The chemical properties of pitches and coke were studied using XPS to investigate their interactions and, consequently, the wetting mechanism. The results showed that blending different pitches influences the wettability. The presence of acidic, basic, and heteroatom containing functional groups in pitch might cause acid–base/condensation reactions when they are blended and, thus, influence the wetting behavior of the pitch blend.

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: 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
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,178
Écart entre enseignants0,172 · 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

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetFiber-reinforced polymer compositesTravaux en français237 207