EOR Technology (Patents) and Science (Articles) Assessment of BRICS and nonBRICS with Growth Rates and Specializations within Responsible Global Energy Transition: A Critical Review
Notice bibliographique
Résumé
To achieve a low-carbon energy transition, it is essential to ensure that, as long as fossil fuels are needed, their production is sustainable, minimizing the environmental impact and securing resources for advancing greener technologies, in alignment with SDGs 7, 13, and 14. Enhanced oil recovery (EOR) increases the recovery rates without new developments. The recent expansion of the BRICS consortium, involving major producers, underscores the need to evaluate their EOR technologies, particularly potential gaps that could hinder global energy transition strategies. We analyzed intermediate levels of technological readiness levels (TRLs) utilizing patents (TRL4-5) and articles (TRL3) for 18 EOR methods between 2002 and 2021. Composite indicators derived from patents including compound annual growth rate, specialization, concentration, diversification, and Gini inequality were employed. Both BRICS and nonBRICS exhibited analogous distributions in the articles (particularly Norway, United Kingdom, Canada) and patents (particularly Russia, China, and Ukraine). The decline in growth rates among BRICS and negative rates in nonBRICS suggest a technological plateau for traditional methods. However, environmentally low-impact EOR methods are experiencing exponential emergence (low salinity water, MEOR, polymers and macromolecular compounds, their associations with surfactants, and WAG). Both groups are self-sufficient in EOR, ensuring a responsible and low-impact energy transition. This ensures energy quality while facilitating the maturation of renewable 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,018 | 0,012 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».