MétaCan
Menu
Retour à la cohorte
Enregistrement W4396888339 · doi:10.1093/pnasnexus/pgae172

Incorporating platinum circular economy into China’s hydrogen pathways toward carbon neutrality

2024· article· en· W4396888339 sur OpenAlexaff
Peng Wang, Chenyang Wang, Jiashuo Li, Klaus Hubacek, Laixiang Sun, Fan Yang, Kuishuang Feng, Wei‐Qiang Chen

Notice bibliographique

RevuePNAS Nexus · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensQueen's University
Organismes subventionnairesScience and Technology Project of State GridChinese Academy of SciencesNational Social Science Fund of ChinaNational Office for Philosophy and Social SciencesNational Natural Science Foundation of China
Mots-clésNeutralityChinaPlatinumCarbon neutralityHydrogenCircular economyHydrogen economyCarbon fibersEconomicsPolitical scienceChemistryMaterials scienceHydrogen productionCatalysisGreenhouse gasEcologyBiologyComposite material

Résumé

récupéré en direct d'OpenAlex

Hydrogen is gaining tremendous traction in China as the fuel of the future to support the country's carbon neutrality ambition. Despite that hydrogen as fuel largely hinges on the supply of platinum (Pt), the dynamic interlinkage between Pt supply challenges, hydrogen development pathways, and climate targets in China has yet to be deeply analyzed. Here, we adopt an integrated assessment model to address this important concern and corresponding strategies for China. The results indicate that the booming hydrogen development would drive China's cumulative demand for Pt metal to reach 4,200-5,000 tons. Much of this demand, met through a limited supply pattern, is vulnerable to price volatility and heightened geopolitical risks, which can be mitigated through circular economy strategies. Consequently, a coordinated approach to leverage both global sustainable Pt sourcing and a robust domestic Pt circular economy is imperative for ensuring cost-effective hydrogen production, aligned with a climate-safe future.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,240
Écart entre enseignants0,220 · 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

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePNAS NexusMême sujetExtraction and Separation ProcessesTravaux en français237 207