MétaCan
Menu
Retour à la cohorte
Enregistrement W4317632366 · doi:10.2514/6.2023-2328

Cost estimation of the use of low-carbon fuels in prospective scenarios for air transport

2023· article· en· W4317632366 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAIAA SCITECH 2023 Forum · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced Aircraft Design and Technologies
Établissements canadiensToronto Baptist Seminary and Bible College
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceAviationProduction (economics)Greenhouse gasCarbon fibersCapital costRevenueEnvironmental economicsNatural resource economicsComputer scienceEngineeringBusinessEconomics

Résumé

récupéré en direct d'OpenAlex

View Video Presentation: https://doi.org/10.2514/6.2023-2328.vid Using low-carbon energies is a major lever to reduce the CO2 emissions of aviation. Some low-carbon energy carriers consist in fuels that are drop-in and require few modifications to current aircraft, like biofuels and electrofuels. Hydrogen is another low-carbon fuel that would be relevant in the long term only since it requires significant aircraft modifications (non-drop-in fuel). In both cases, several production pathways exist with radically different impacts in terms of cost of production and life-cycle CO2 emissions. Literature is already exhaustive on prospective decarbonization scenarios for aviation and low-carbon fuel production cost estimates. In this paper, an open-source simulation framework named CAST is enhanced by a module that links low-carbon fuels production cost to their respective consumption in given scenarios. Hence, the cost of a custom decarbonization scenario is evaluated. Results show that the cost of the integration of low-carbon fuels in this scenario would represent around 40 % of airlines revenues in 2050, while the energy demand growth would necessitate important capital investments, regularly increasing to 130 Bn e in 2050. A sensitivity analysis shows that these cost estimates are subject to large uncertainties.

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.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,212
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,029
Tête enseignante GPT0,257
Écart entre enseignants0,228 · 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