MétaCan
Menu
Retour à la cohorte
Enregistrement W2904649178 · doi:10.1038/s41598-018-36270-x

Aluminum-ceramic composites for thermal management in energy-conversion systems

2018· article· en· W2904649178 sur OpenAlexaff
Jehong Park, Seungchan Cho, Hansang Kwon

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueThermal Radiation and Cooling Technologies
Établissements canadiensNexen (Canada)
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceCeramicHeat fluxComposite materialHeat sinkTinEnergy transformationLaserHeat transferMetallurgyMechanical engineeringOpticsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract The most important property of energy-conversion ceramics in high-power lighting devices based on laser diodes (LDs) is thermal durability because high-energy LDs act as excitation and heat sources for ceramics. Herein, aluminum-ceramic composites (ACCs) are introduced for the manipulation of heat generated during high-power lighting. The cerium-doped aluminum garnet (YAG:Ce) phosphor is selected as the energy-conversion ceramic material. The ACCs have an all-in-one structure bridged by a low-melting glass material. In ACCs, the heat flow from the ceramic to Al is manipulated by a heat-flux throttling layer (TL) comprised of Al and glass. During high-power lighting operation, the input-output temperature differences (Tin − Tout) between the ceramic layer (input heat) and end face of the Al layer (output heat) are 13 and 3.9 °C in the absence and presence of the TL, respectively. A lower Tin − Toutmeans less heat is loss during heat flow from the ceramic to the metal due to the temperature gradient created by inserting the TL. The results provide a potential application for multi-energy-conversion systems, i.e., optical to heat and heat to electric energy, in terms of heat flow manipulation.

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 seuil0,004

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 Opus0,009
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetThermal Radiation and Cooling TechnologiesTravaux en français237 207