MétaCan
Menu
Retour à la cohorte
Enregistrement W4393230084 · doi:10.1016/j.jnucmat.2024.155053

A facility for studying corrosion via in-situ Raman spectroscopy

2024· article· en· W4393230084 sur OpenAlexafffund
V.S. Ramsundar, Kevin Daub, S.Y. Persaud, Mark R. Daymond

Notice bibliographique

RevueJournal of Nuclear Materials · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNuclear Materials and Properties
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity Network of Excellence in Nuclear Engineering
Mots-clésRaman spectroscopyCorrosionIn situCharacterization (materials science)Nuclear engineeringMaterials scienceSpectroscopyAnalytical Chemistry (journal)Chemical engineeringEnvironmental scienceChemistryEnvironmental chemistryNanotechnologyMetallurgyPhysicsOptics

Résumé

récupéré en direct d'OpenAlex

Several in-core components in nuclear power systems are exposed to high-temperature water in the presence of radiation fields. The dynamic effect of radiation and water chemistry on material performance in these environments is not well understood partly due to significant experimental challenges. A facility consisting of a high temperature/pressure corrosion loop coupled with in-situ Raman spectroscopy has been commissioned to examine material behaviour in more realistic reactor conditions. The in-situ Raman component of the facility has been validated by conducting experiments with both pre-oxidized, and freshly abraded SS304L in water at 80°C and 300°C. Testing in water also revealed the detection limitations of the system. The assessment reported in this paper highlights the capabilities to perform degradation studies of key nuclear components by conducting in-situ characterization of materials exposed to high temperature water via Raman spectroscopy, thereby providing chemical, structural and semi-quantitative kinetic information.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,030
Tête enseignante GPT0,274
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear MaterialsMême sujetNuclear Materials and PropertiesTravaux en français237 207