MétaCan
Menu
Retour à la cohorte
Enregistrement W4210795095 · doi:10.1115/1.4053691

Review of Methods and Results for Reactor Physics Analysis of Thorium-Based Fuels From Irradiation Experiments Conducted in the National Research Universal Reactor

2022· article· en· W4210795095 sur OpenAlexafffundabout
Thai Sinh Nguyen, Xiaolin Wang, Blair P. Bromley

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueNuclear reactor physics and engineering
Établissements canadiensCanadian Nuclear Laboratories
Organismes subventionnairesGovernment of Canada
Mots-clésBurnupThorium fuel cycleThoriumUraniumNuclear engineeringEnvironmental scienceWaste managementNuclear fuelMOX fuelNuclear physicsPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The development of advanced fuels and fuel cycles for conventional Generation III+ reactors, advanced reactors (such as Generation IV), and small modular reactors will help ensure the long-term sustainability and safety of the use of nuclear energy. Thorium-based fuels are an example of an advanced fuel that could augment and extend uranium resources. As part of previous efforts in Canada to investigate the use of thorium-based fuels for potential use in pressure-tube heavy-water reactors and other technologies, irradiation experiments with various thorium-containing fuels had been conducted in the National Research Universal (NRU) reactor at the Chalk River Laboratories. The NRU reactor physics computational tools and methods, developed initially for conventional enriched uranium fuel, had also been extended for analysis of thorium-based fuel experiments, with most satisfactory results. In this study, a number of physics and operation factors have been analyzed to quantify their effects on the production and burnup of 233U in thorium-based fuel, as well as to improve both the analysis and the use of thorium fuels and fuel cycles.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,082
Tête enseignante GPT0,381
Écart entre enseignants0,299 · 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'étudeObservationnel
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

Citations9
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetNuclear reactor physics and engineeringTravaux en français237 207