MétaCan
Menu
Retour à la cohorte
Enregistrement W386084675 · doi:10.13182/fst11-a12682

Performance Characterization of Hydrogen Isotope Exchange and Recombination Catalysts for Tritium Processing

2011· article· en· W386084675 sur OpenAlexaff
S. Suppiah, Donald Ryland, K. Marcinkowska, H. Boniface, A. E. Everatt

Notice bibliographique

RevueFusion Science & Technology · 2011
Typearticle
Langueen
DomaineMaterials Science
ThématiqueFusion materials and technologies
Établissements canadiensAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésCatalysisHydrogenTritiumNuclear engineeringIsotope separationProcess engineeringMaterials scienceEnvironmental scienceIsotopeNuclear physicsChemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

AECL’s hydrogen isotope exchange catalyst and recombination catalysts have been successfully applied to a wide range of industrial tritium-removal applications. The catalysts are used for Liquid Phase Catalytic Exchange (LPCE) and for gas-phase and trickle-bed recombination of hydrogen isotopes and have led to process simplification, improved safety and operational advantages.Catalyst performance design equations derived from laboratory testing of these catalysts have been validated against performance under industrial conditions. In a Combined Electrolysis and Catalytic Exchange (CECE) demonstration plant analyses of LPCE and recombiner efficiency were carried out as a function of catalyst activity over a wide range of operation. A steady-state process simulation used to model and design the hydrogen-water isotopic exchange processes, such as the CECE detritiation plant, was validated using the results of this demonstration.Catalyst development for isotope-exchange and recombination applications has continued over the last decade. As a result, significant improvements in catalyst performance have been achieved for these applications. This paper outlines the uniqueness of AECL’s specialized catalysts and process designs for these applications with examples from laboratory and industrial case studies.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,251
Écart entre enseignants0,221 · 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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFusion Science & TechnologyMême sujetFusion materials and technologiesTravaux en français237 207