MétaCan
Menu
Retour à la cohorte
Enregistrement W4391126590 · doi:10.1093/pnasnexus/pgae030

The role of advanced nuclear reactors and fuel cycles in a future energy system

2024· article· en· W4391126590 sur OpenAlexaff
Kasia Kornecki, Catherine F. Wise

Notice bibliographique

RevuePNAS Nexus · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueNuclear reactor physics and engineering
Établissements canadiensCanada Energy Regulator
Organismes subventionnairesNational Academies of Sciences, Engineering, and Medicine
Mots-clésNuclear engineeringNuclear fuel cycleEnvironmental scienceFuel cycleNuclear fuelWaste managementEnergy (signal processing)EngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Nuclear power has been an important part of the US electricity system since the 1950s and continues to be a major source of low-carbon electricity today. Despite having low emissions, high grid reliability, and an excellent track record of safety, nuclear power also demands significant time and upfront capital to deploy, can struggle to compete economically with other generation sources, has intrinsic proliferation risk by relying on fissile material for fuel, and generates radioactive waste for which there are currently no disposal sites. Given the emissions and energy security benefits of having nuclear as part of the energy mix, advanced nuclear technologies have garnered significant interest and investment in recent years. Advanced reactor designs differ from the current operating fleet and have several potential advantages, including lower cost, faster construction, smaller size, inherent safety features, and lower waste yields. Yet, many challenges related to their deployment remain, and overcoming them will dictate whether or not new nuclear technologies become a material element of the future energy infrastructure. This article synthesizes the opportunities and barriers to deploying advanced nuclear reactors and their associated fuel cycles as described in two National Academies consensus reports. It highlights the consensus recommendations that could allow these new technologies to reach commercial success as part of a long-term decarbonization strategy.

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)0,015
score de la tête « metaresearch » (Gemma)0,011
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: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,005
Communication savante0,0070,012
Science ouverte0,0010,003
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,002
Tête enseignante GPT0,153
Écart entre enseignants0,152 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePNAS NexusMême sujetNuclear reactor physics and engineeringTravaux en français237 207