MétaCan
Menu
Retour à la cohorte
Enregistrement W4386961221 · doi:10.54254/2755-2721/11/20230223

Diverse sustainable methods for future jet engine

2023· article· en· W4386961221 sur OpenAlexaff
Shuo Zhang

Notice bibliographique

RevueApplied and Computational Engineering · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJet fuelFossil fuelAviation biofuelEnvironmental scienceBiofuelRenewable fuelsAviation fuelRenewable energyHydrogen fuelAviationGreenhouse gasWaste managementCombustionEngineeringBioenergyAerospace engineeringFuel cellsChemistryEcology

Résumé

récupéré en direct d'OpenAlex

With global concerns over CO2 emissions and climate change, the aviation industry is investing in renewable fuels and sustainable engines. Bio-Synthetic Paraffinic Kerosene (Bio-SPK) and hydrogen are two significant biofuels that can replace fossil fuels in jet engines. Biofuel is considered a sustainable fuel; it is possible to replace fossil fuel in jet engines. Bio-SPK is an aviation fuel made from plant-derived lipids and processed to have similar properties to traditional jet fuel. It offers significant emissions savings compared to Jet-A1 but is not widely available due to high production costs and limited feedstock availability. While it can improve fuel efficiency and reduce emissions, it has lower energy density than conventional aviation fuels, potentially reducing aircraft range or payload capacity. Hydrogen produces only water but requires careful extraction or manufacturing. Green hydrogen is carbon-neutral, grey hydrogen generates carbon, and blue hydrogen captures and stores carbon. However, most hydrogen is currently generated as grey hydrogen, which offers less environmental benefit than directly burning fossil fuels. This work provides an overview of current and future sustainable jet engine technologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,007

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,244 · 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'étudeThéorique ou conceptuel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied and Computational EngineeringMême sujetHybrid Renewable Energy SystemsTravaux en français237 207