MétaCan
Menu
Retour à la cohorte
Enregistrement W4401444546 · doi:10.1144/egc1-2024-13

Exploring for hydrogen, helium and lithium: is it as easy as 1, 2, 3?

2024· article· en· W4401444546 sur OpenAlexaff
Jon Gluyas, Madeleine C. S. Humphreys, Rūta Karolytė, Anran Cheng, Barbara Sherwood Lollar, C. J. Ballentine

Notice bibliographique

RevueEnergy geoscience conference series. · 2024
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueQuantum, superfluid, helium dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésLithium (medication)HeliumHydrogenPsychologyAtomic physicsPhysicsPsychiatryQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Hydrogen, helium and lithium, elements one two and three of the periodic table, are in demand to enable and enhance low-carbon energy technologies. Anthropogenic hydrogen is manufactured from water via methane reforming or from electrolysis. Both are costly and have environmental impacts. Helium is commonly found in low concentrations in association with petroleum gases. Lithium is mined by brine pumping or from igneous rocks, with consequential serious environmental impacts. Were it possible to economically find hydrogen in its molecular state, then surely such hydrogen would dominate the market. Similarly, helium generated without associated greenhouse gases would also be a market stimulant for a helium industry. What if hydrogen and helium could be co-produced from a single composite discovery? And what if the water leg to such hydrogen and helium deposits were rich in lithium? It, too, would be produced with costs for all elements shared. Helium is a natural product of crystalline rocks including granite and its generation can liberate hydrogen from interstitial water. These same rocks can be rich sources of lithium and may also deliver geothermal resources. The energy transition may therefore shift what we consider to be important for energy geoscience. The basement may become as important as the basin.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,054
Tête enseignante GPT0,274
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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy geoscience conference series.Même sujetQuantum, superfluid, helium dynamicsTravaux en français237 207