MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378231450 · doi:10.3997/2214-4609.2023101224

How to explore for helium

2023· article· en· W4378231450 sur OpenAlexaboutno aff
Jon Gluyas, C. J. Ballentine, D. Danabalan, Colin G. Macpherson, Peter H. Barry, J. Bluett, T. Abraham-James

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeliumFossil fuelGeologyNatural gasNuclear engineeringEnvironmental scienceWaste managementEngineeringPhysicsAtomic physics

Résumé

récupéré en direct d'OpenAlex

Summary Helium is a minor biproduct of some natural gas production in the USA, Qatar, Algeria, Canada, Australia and a couple more countries. Discovery of helium provinces has been serendipitous. A critical element for society, helium is used in medical cryogenics, as an inert atmosphere in manufacturing, a breathing mixture with oxygen, for leak detection and other industrial processes. Recently demand has outstripped supply and reliance on serendipity to deliver new discoveries is clearly inadequate. In 2012 we began to develop a strategy for helium exploration, borrowing from the petroleum exploration playbook to determine source of helium, primary and secondary migration processes and characteristics for trapping. An opportunity to test our strategy emerged in late 2015. From Lake Rukwa in Tanzania there were reports of cold helium seeps. The East African Rift, Archean granitic basement with a substantial and recent thermal event fitted our criteria for helium generation and migration. The gases proved to be nitrogen/helium mixtures free of petroleum gases and with maximum helium concentrations of around 10% some 30 times greater than the commercial threshold used in the USA. Exploration drilling in now underway in Tanzania whilst research continues to refine our understanding of natural helium systems.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,004
Communication savante0,0050,009
Science ouverte0,0020,004
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0790,039

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 Opus0,049
Tête enseignante GPT0,261
Écart entre enseignants0,212 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMethane Hydrates and Related Phenomena→Travaux en français237 207→