MétaCan
Menu
Retour à la cohorte
Enregistrement W4224215135 · doi:10.1016/j.colsurfa.2022.129030

Magnetite (Fe3O4) and nickel ferrite (NiFe2O4) zeta potential measurements at high temperature: Part II – Results, study of the influence of temperature, boron concentration and lithium concentration on the zeta potential

2022· article· en· W4224215135 sur OpenAlexafffund
Chloé Cherpin, D. H. Lister, Frédéric Dacquait, Sarita Weerakul, Lihui Liu

Notice bibliographique

RevueColloids and Surfaces A Physicochemical and Engineering Aspects · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesFramatomeCANDU Owners Group
Mots-clésZeta potentialBoronCorrosionCoolantMagnetiteNickelFerrite (magnet)Materials scienceChemistryInorganic chemistryMetallurgyChemical engineeringThermodynamicsNanoparticleComposite materialNanotechnology

Résumé

récupéré en direct d'OpenAlex

Predicting the deposition of typical corrosion products (CPs) particles formed in the primary system of pressurized water reactors (PWRs) is important for system integrity and the radioprotection of nuclear workers. Such corrosion products foul heat transfer surfaces, promote localized corrosion and, when made radioactive in the reactor core, transport throughout the coolant system and give rise to radiation fields around components. Accurately predicting CPs’ propensity to transport and deposit around the system entails knowing their zeta potentials, quantities that until now have been unavailable. The zeta potentials of magnetite and nickel ferrite particles between 20 °C and 240 °C have been measured in the chemical conditions representative of an operating cycle of the primary system of PWRs. The measurements were performed via the streaming potential method as described in a previous paper – Part I. The measured values increased with temperature but decreased with increasing concentrations of boron and lithium. They are suitable for predicting radiation field growth around components of a typical PWR system.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,180
Écart entre enseignants0,172 · 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

Citations10
Publié2022
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueColloids and Surfaces A Physicochemical and Engineering AspectsMême sujetNuclear Materials and PropertiesTravaux en français237 207