MétaCan
Menu
Retour à la cohorte
Enregistrement W2972478362 · doi:10.1115/1.4044751

Enhanced Accident Tolerance of Thoria-Based Nuclear Fuels

2019· article· en· W2972478362 sur OpenAlexaff
Barbara Szpunar, Jerzy A. Szpunar

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésNuclear fuelMaterials scienceThermal conductivityNuclear engineeringNuclear fission productMelting pointPelletsLight-water reactorNuclear transmutationSpent nuclear fuelOxygenFission productsThermodynamicsNuclear physicsChemistryComposite materialNeutron

Résumé

récupéré en direct d'OpenAlex

Abstract Many factors need to be investigated before alternative nuclear fuel can be adapted for service in the harsh environment of a nuclear reactor. Urania, used conventionally as a nuclear fuel, has a low thermal conductivity, which degrades with increasing stoichiometric deviation. Thoria-based fuel has been considered as an alternative fuel, since it does not oxidize and has a high melting point and higher thermal conductivity. Simulations have shown that the fuel melting observed in urania fuel rods during an accident with steam ingress should not be observed (or will be delayed) in thoria as its thermal conductivity remains high enough to dissipate excessive heat in the center of the fuel pellets. The thermal gradient also remains low and therefore thermal stress is reduced, which should improve the longevity of the fuel. Thoria also has some other desirable properties as our calculations predict a significantly higher temperature of oxygen lattice premelting than urania. Furthermore, we found that the diffusion of fission gas, e.g., helium, is strongly affected by oxygen diffusion and therefore is slower in thoria for the temperatures where the oxygen lattice premelts in urania, but not in thoria.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0020,000

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 GPT0,211
Écart entre enseignants0,205 · 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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetNuclear Materials and PropertiesTravaux en français237 207