MétaCan
Menu
Retour à la cohorte
Enregistrement W4401810060 · doi:10.55016/ojs/sppp.v14i1.72334

The role of hydrogen in Canada’s transition to net-zero emissions

2021· article· en· W4401810060 sur OpenAlexaffabout
Blake Shaffer

Notice bibliographique

RevueThe School of Public Policy Publications · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésZero emissionNet (polyhedron)Zero (linguistics)HydrogenTransition (genetics)Environmental scienceNatural resource economicsEconomicsPhysicsEngineeringChemistryMathematicsWaste managementGeometryQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

This paper explores the role of hydrogen in helping Canada meet its net-zero emissions goals. On the supply side, we caution against the blanket categorization of production methods by “colours”, and instead encourage a focus on the metrics that matter: cost and lifecycle emissions per kilogram. Hydrogen derived from methane, with sequestered carbon dioxide (i.e. “blue” hydrogen) will likely be the method of choice for some time in western Canada, while hydrogen via electrolysis (i.e. “green”) will likely take off in Québec, spreading to other provinces as clean renewable power costs fall. High levels of sequestration (i.e. 90%+) and upstream methane leakage prevention will be essential for hydrogen to meaningfully contribute to Canada’s net-zero goals. On the demand side, we find while hydrogen can do many things, its highest value will be in areas where alternatives for decarbonization are costly or scarce, such as steel and chemicals production, as well as potentially rail and heavy freight. We take a deeper dive into the potential for hydrogen in the electricity system, both by absorbing excess generation via electrolysis, and providing much needed reliability as a peaking product, enabling higher shares of variable renewable energy. We find that by 2030, hydrogen has the potential to compete with natural gas as a dominant firm power source.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,662

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,002
Communication savante0,0050,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,008
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe School of Public Policy PublicationsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207