MétaCan
Menu
Retour à la cohorte
Enregistrement W4309896661 · doi:10.1088/1748-0221/17/11/p11035

Low intensity gamma-ray monitor for in-situ solids fraction measurements in liquids

2022· article· en· W4309896661 sur OpenAlexaff
Talwinder Kaur Sraw, Bo Yu, Andrea Sedgwick, Abu Junaid, Ying Y. Tsui, Manisha Gupta, R. Fedosejevs

Notice bibliographique

RevueJournal of Instrumentation · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensCanadian Natural ResourcesNorthern Alberta Institute of TechnologyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésScintillatorDetectorMaterials scienceTailingsOrthosilicateGamma rayAttenuationScintillation counterEnvironmental scienceOpticsPhysicsNuclear physicsTetraethyl orthosilicate

Résumé

récupéré en direct d'OpenAlex

Abstract A novel detection system has been designed to measure the settling of solids in tailing ponds in order to facilitate the reuse of water in oil sands extraction processing, tailings excavation, transportation and management. The system is based on a weak gamma ray source and an inexpensive scintillator-based detector. The system measures gamma ray photons which are transmitted through the material of interest which are detected by a combined scintillator and Multi Pixel Photon Counter (MPPC) detector. This non-destructive measurement allows the determination of the solids contents profile versus depth in a tailing pond. The attenuation of gamma radiation depends on the density of the solids within the fluid tailings and thus varies with the weight fraction of solids content of the tailings. Modelling of the system was carried out by Geant4 simulations. The system was deployed using a weak 133Ba gamma-ray source together with a simple microprocessor controller readout circuit to analyze the pulse height response of a Cerium doped Lutetium Yttrium Orthosilicate (LYSO (Ce)) scintillator crystal. The detection system is calibrated with the known samples and can measure solids content with a relative precision of within ∼2%.

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 seuil0,008

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 ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,281
Écart entre enseignants0,256 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of InstrumentationMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207