Laying the foundations for negative emissions technologies: insights from a workshop
Notice bibliographique
Résumé
Abstract Pre-empting the worst consequences of climate change requires both mitigation of emissions from the global energy system and carbon dioxide removal through negative emissions technologies. Despite their nascence, negative emissions technologies are being incorporated into nationally determined contributions to achieve ambitious targets. It is therefore urgent to build a scaffolding that enables their expansion. Here, we report results from a workshop that brought together 34 prominent stakeholders, including scientists, engineers, energy system analysts, economists, experts in public policy, and policy makers. Participants discussed the likely cost and performance of these technologies; elucidated the opportunities and risks facing deployment; and envisioned how nations might build the necessary scaffolding for expansion. The majority narrative is that negative emissions technologies will have a bridging role in decarbonizing existing assets. Different models of deployment were proposed. Reaching the scale of deployment necessary to meet emissions targets is lengthy and expensive. Financial and regulatory risks are seen as greater barriers to deployment at scale than technological risk. Greater certainty regarding carbon pricing, production tax credits, and support for geological characterization and trunkline construction could reduce the former. Critical to expansion is a large-scale increase in low-carbon power production; the implementation of regulatory frameworks that remove uncertainty surrounding investment decisions; and prudent societal engagement.
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 | 0,026 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,008 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».