MétaCan
Menu
Retour à la cohorte
Enregistrement W4307575430 · doi:10.1002/cite.202200113

Particle Technology in the Formulation and Fabrication of Thermal Energy Storage Materials

2022· article· en· W4307575430 sur OpenAlexaff
Zhu Jiang, Xinyi Li, Yi Jin, Xiaosong Zhang, Lige Tong, Li Wang, Yulong Ding

Notice bibliographique

RevueChemie Ingenieur Technik · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Key Research and Development Program of ChinaEngineering and Physical Sciences Research Council
Mots-clésThermal energy storageMaterials scienceInertFabricationLatent heatThermal conductivityMolten saltEnergy storageNanoparticleSensible heatNanotechnologyChemical engineeringComposite materialThermodynamicsChemistryEngineeringMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This article reviews the state of the art of the formulation and fabrication of sensible, latent, and thermochemical thermal energy storage (TES) materials with special focus on the role of particle technology in enhancing the performance of these materials. Molten salt‐based sensible TES materials have been intensively studied, particularly the use of doped nanoparticles for enhancing specific heat capacity and thermal conductivity. For latent TES, the inclusion of property enhancers is among the most effective approaches to address the low thermal conductivity and supercooling issues of phase change materials (PCMs), whereas the encapsulation of PCMs and structurally stabilized composite PCMs are the favorable methods to address leakage and chemical incompatibility challenges. Thermochemical TES materials are often incorporated with an inert or an active host matrix for structural stabilization.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 seuil0,248

Scores Codex et Gemma par catégorie

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)0,0000,000

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 GPT0,249
Écart entre enseignants0,229 · 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.

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'admission1
Résumé présentoui

Explorer davantage

Même revueChemie Ingenieur TechnikMême sujetPhase Change Materials ResearchTravaux en français237 207