MétaCan
Menu
Retour à la cohorte
Enregistrement W3182238130 · doi:10.2172/1805031

Thermochemically-Informed Mass Transport Model for Zr in U-Zr Fuel

2020· report· en· W3182238130 sur OpenAlexaff
Max Poschmann, M.H.A. Piro, Theodore M. Besmann, Srdjan Simunovic

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésDiffusionMass transportConcentration gradientPhase (matter)Code (set theory)Simple (philosophy)ThermodynamicsConvection–diffusion equationStatistical physicsChemistryMaterials scienceAnalytical Chemistry (journal)Chemical physicsPhysicsComputer scienceEnvironmental chemistryEngineering physicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Recent improvements to the coupled Thermochimica-MOOSE/BISON code system have enabled efficient calculations of species transport based on direct evaluation of composition and temperature dependent chemical potentials of the species. This presents an alternative to the traditional approach to species transport in nuclear fuels, which has been to employ a diffusion formulation that combines concentration-gradient driven Fickian diffusion with a Soret term based on a heat of transport fit to experimental data. Here we describe the application of the coupled code system to the diffusion of Zr in U-Zr metallic fuel. New classes implemented in BISON to solve this problem are documented. The Zr concentration profile after 50 years of diffusion is found to be strongly dependent on the assumptions made pertaining how to mobility is calculated in multi-phase regions of the fuel element. Two assumptions are compared (simple averaging of mobilities and using the majority phase mobility), and good qualitative agreement with experimental measurements is obtained using the majority phase assumption.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,074
Tête enseignante GPT0,289
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNuclear Materials and PropertiesTravaux en français237 207