Innovations in Clean Energy Technologies: A Comprehensive Exploration of Research at the Clean Energy Technologies Research Institute, University of Regina
Notice bibliographique
Résumé
The Clean Energy Technology Research Institute (CETRI) at the University of Regina, Canada, serves as a collaborative hub where a dynamic team of researchers, industry leaders, innovators, and educators come together to tackle the urgent challenges of climate change and the advancement of clean energy technologies. Specializing in low-carbon and carbon-free clean energy research, CETRI adopts a unique approach that encompasses feasibility studies, bench-scale and pilot-plant testing, and pre-commercial demonstrations, all consolidated under one roof. This holistic model distinguishes CETRI, fostering a diverse and inclusive environment for technical, scientific, and hands-on learning experiences. With a CAD 3.3 million pre-commercial carbon capture demonstration plant capable of capturing 1 tonne of CO2 per day, and a feed-flexible hydrogen demonstration pilot plant producing 6 kg of hydrogen daily, CETRI emerges as a pivotal force in advancing innovative, reliable, and cost-competitive clean energy solutions, essential for a safe, prolific, and sustainable world. This paper provides a comprehensive overview of the diverse and impactful research carried out in the center, spanning various areas including decarbonization, zero-emission hydrogen technologies, carbon (CO2) capture utilization and storage, the conversion of waste into renewable fuels and chemicals, and emerging technologies such as small modular nuclear reactors and microgrids.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».