MétaCan
Menu
Retour à la cohorte
Enregistrement W4402455223 · doi:10.11159/mmme24.002

Understanding Rock Multiphysics – Key Needs in Symbiotic Pursuit of Mining Critical Minerals and Transitioning Energy

2024· article· en· W4402455223 sur OpenAlexvenueno aff
Jishan Liu

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and Geomechanical Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKey (lock)MultiphysicsComputer scienceMining engineeringEarth scienceGeologyEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Both mining critical minerals and transitioning energy towards carbon neutrality draw heavily on fluids in the subsurface.For mining critical minerals, this involves the injection of specially designed fluids into and the recovery of pregnant fluids from ore deposits.For transitioning energy, this includes sequestering CO2, fuel switching to lower-carbon sources, such as from abundant gas shales and coal gas reservoirs, recovering deep geothermal energy via EGS (Enhanced Geothermal System), and diurnal and inter-seasonal storage of heat, H2 and energized fluids (CAES: Compressed Air Energy Storage).In all these endeavours, either maintaining the low permeability and integrity of caprocks or in controlling the growth of permeability in initially very-low-permeability shales/coals or geothermal reservoirs represent key desires.Injected volumes are necessarily enormous and anticipated processes complex.We assess these desires through advancing our understanding on fluid injection/extraction induced multiphysics in rocks/reservoirs.In rock multiphysics, all essential processes are coupled through the links between fluid injectivity/extractability and rock permeability.This lecture will cover rock multiphysics principles and how they can help in mining critical minerals and transitioning energy.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
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
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,182 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetGeotechnical and Geomechanical EngineeringTravaux en français237 207