MétaCan
Menu
Retour à la cohorte
Enregistrement W3034790634 · doi:10.1002/maco.202011778

Speciation of copper in high chloride concentrations, in the context of corrosion of copper canisters

2020· article· en· W3034790634 sur OpenAlexaff
Christina Lilja, Fraser King, I. Puigdomènech, Barbara Pastina

Notice bibliographique

RevueMaterials and Corrosion · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensVancouver Island University
Organismes subventionnairesnon disponible
Mots-clésCopperChlorideCorrosionDissolutionContext (archaeology)MetallurgyChemistryErosion corrosion of copper water tubesEnvironmental chemistryMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Canisters with a cast iron insert for mechanical strength and a 50‐mm thick copper shell as corrosion protection are planned to be used for disposal of spent nuclear fuel in Sweden and Finland. Chloride can be considered “beneficial”, as it promotes active dissolution of copper rather than passivation (which might result in pitting), but a high concentration of chloride in solution would increase the driving force for corrosion through the formation of soluble copper chloro complexes. Thermodynamic calculations are performed in this study with the PHREEQC software and three of its accompanying databases, and a comparison with experimental data is performed to select the database to be used when evaluating repository performance. The activity coefficient models are given special attention. For the assessment of chloride‐assisted corrosion of a KBS‐3 canister, chloride concentrations pessimistically up to 5 mol/kg are used (in Finland and Sweden, the groundwater and bentonite porewater chloride concentrations are not expected to exceed 1 mol/kg). The resulting copper solubilities are then considered in different mass transport cases.

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 enseignants0,005
Score d'incertitude au seuil0,009

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterials and CorrosionMême sujetCorrosion Behavior and InhibitionTravaux en français237 207