MétaCan
Menu
Retour à la cohorte
Enregistrement W2591888420 · doi:10.5772/62966

Recent Advances in Carbon Capture and Storage

2017· book· en· W2591888420 sur OpenAlexfundno aff
Yongseung Yun

Notice bibliographique

RevueInTech eBooks · 2017
Typebook
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Experimental Program to Stimulate Competitive ResearchOffice of Energy Research and DevelopmentKorea Evaluation Institute of Industrial TechnologyNatural Resources CanadaAgricultural Research ServiceMinistry of Trade, Industry and EnergyAustralian GovernmentUniversity of OttawaU.S. Department of AgricultureNational Aeronautics and Space Administration
Mots-clésCarbon capture and storage (timeline)Computer scienceGeologyOceanographyClimate change

Résumé

récupéré en direct d'OpenAlex

Carbon capture and storage (CCS) has been considered as a practical way in sequestering the huge anthropogenic CO2 amount with a reasonable cost until a more pragmatic solution appears. The CCS can work as a bridge before fulfilling the no-CO2 era of the future by applying to large-scale CO2 emitting facilities. But CCS appears to lose some passion by the lack of progress in technical developments and in commercial success stories other than EOR. This is the time to go back to basics, starting from finding a solution in small steps. The CCS technology desperately needs far newer ideas and breakthroughs that can overcome earlier attempts through improving, modifying, and switching the known principles. This book tries to give some insight into developing an urgently needed technical breakthrough through the recent advances in CCS research, in addition to the available small steps like soil carbon sequestration. This book provides the fundamental and practical information for researchers and graduate students who want to review the current technical status and to bring in new ideas to the conventional CCS technologies.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0350,026

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 Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInTech eBooksMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207