MétaCan
Menu
Retour à la cohorte
Enregistrement W4317923930 · doi:10.1299/jmsesdm.2022.10.c1-4

An optical investigation into the reactive fuel spray of high-pressure DME and Ethanol

2022· article· en· W4317923930 sur OpenAlexaff
Simon Leblanc, Long Jin, Alex Bastable, Xiao Yu, Jimi Tjong, Ming Zheng

Notice bibliographique

RevueThe Proceedings of the International symposium on diagnostics and modeling of combustion in internal combustion engines · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelCombustionAutomotive engineeringIgnition systemHomogeneous charge compression ignitionThermal efficiencyVolatility (finance)Fuel injectionInternal combustion engineMaterials scienceLubricityCarbureted compression ignition model engineDiesel engineEnvironmental scienceCompression ratioDiesel cycleCombustion chamberChemistryEngineeringAerospace engineeringComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Reducing harmful emissions and increasing thermal efficiency in internal combustion engines have been the foremost goals of modern engine research. Compression ignition (CI) engines offer advantages in terms of high-efficiency operation as the overall in-cylinder mixture is lean. High-pressure direct injection fueling systems, commonly employed in CI engines, allow for the precise control of the combustion through injection timing and heat release modulation with same-cycle multi-pulse injection. Diesel fuel has dominated the liquid energy sources for CI engines owing to its high reactivity and lubricity properties. The highly heterogeneous mixture criterion and the dependence on auto-ignition of CI engines allow for a wide range of fuels to be applicable for engine operation. Notably, ethers possess chemical properties similar to diesel such as high reactivity, albeit with improved volatility characteristics.

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: Simulation ou modélisation · Signal consensuel: aucune
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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,241
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 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of the International symposium on diagnostics and modeling of combustion in internal combustion enginesMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207