MétaCan
Menu
Retour à la cohorte
Enregistrement W4393253577 · doi:10.3390/cmd5020007

Review of the Modelling of Corrosion Processes and Lifetime Prediction for HLW/SF Containers—Part 1: Process Models

2024· article· en· W4393253577 sur OpenAlexaff
Fraser King, Miroslav Kolàř, Scott Briggs, Mehran Behazin, Peter Keech, Nikitas Diomidis

Notice bibliographique

RevueCorrosion and Materials Degradation · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensNuclear Waste Management Organization
Organismes subventionnairesnon disponible
Mots-clésCorrosionProcess (computing)Nuclear engineeringProcess engineeringMetallurgyMaterials scienceComputer scienceEngineeringProgramming language

Résumé

récupéré en direct d'OpenAlex

The disposal of high-level radioactive waste (HLW) and spent nuclear fuel (SF) presents a unique challenge for the prediction of the long-term performance of corrodible structures since HLW/SF containers are expected, in some cases, to have lifetimes of one million years or longer. Various empirical and deterministic models have been developed over the past 45 years for making predictions of long-term corrosion behaviour, including models for uniform and localised corrosion, environmentally assisted cracking, microbiologically influenced corrosion, and radiation-induced corrosion. More recently, fracture-mechanics-based approaches have been developed to account for joint mechanical–corrosion degradation modes. Regardless of whether empirical or deterministic models are used, it is essential to be able to demonstrate a thorough mechanistic understanding of the corrosion processes involved. In addition to process models focused on specific corrosion mechanisms, there is also a need for performance-assessment models as part of the overall demonstration of the safety of a deep geological repository. Performance-assessment models are discussed in Part 2 of this review.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,108
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,047
Tête enseignante GPT0,283
Écart entre enseignants0,236 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations14
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorrosion and Materials DegradationMême sujetHydrogen embrittlement and corrosion behaviors in metalsTravaux en français237 207