MétaCan
Menu
Retour à la cohorte
Enregistrement W2953019186 · doi:10.1021/cen-09713-scicon3

Plastic crystals could be solid-state refrigerants

2019· article· en· W2953019186 sur OpenAlexaboutno aff
Sam Lemonick

Notice bibliographique

RevueC&EN Global Enterprise · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefrigerantFreonChlorofluorocarbonRefrigerator carPlastic crystalGas compressorOzone layerSolid-stateGreenhouse gasMontreal ProtocolWaste managementEnvironmental scienceProcess engineeringMaterials scienceChemistryPhase (matter)EngineeringMechanical engineeringEngineering physicsOzoneOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Regulators and manufacturers started phasing out chlorofluorocarbon gas refrigerants like Freon in the late 1970s after scientists discovered that they could deplete the ozone layer. But their replacements, hydrochlorofluorocarbons and hydrofluorocarbons, are greenhouse gases. Some scientists and engineers have suggested using solid-state refrigerants to avoid those environmental issues, but their use has yet to be realized. Now researchers propose that so-called plastic crystal materials could be more effective refrigerants than previously studied solid-state materials (Nature 2019, DOI: 10.1038/s41586-019-1042-5). However, experts caution that major engineering challenges stand between these crystals and your fridge. In conventional refrigerators, standard refrigerants change from liquid to gas, absorbing energy from the air inside the refrigerator and cooling it. A compressor then increases the pressure and temperature of the gas, dumping that absorbed energy outside the refrigerator as hot air as the refrigerant returns to the liquid phase. Previously proposed solid-state alternatives could go through similar

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0170,007

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 GPT0,238
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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueC&EN Global EnterpriseMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207