MétaCan
Menu
Retour à la cohorte
Enregistrement W4409774419 · doi:10.29017/scog.v48i1.1691

The Emergence of Natural Hydrogen: Genesis and Current Perspectives

2025· article· en· W4409774419 sur OpenAlexaboutno aff
D. S. Ranjit Singh

Notice bibliographique

RevueScientific Contributions Oil and Gas · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAstro and Planetary Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural (archaeology)Current (fluid)GeologyPaleontologyOceanography

Résumé

récupéré en direct d'OpenAlex

In recent years, natural hydrogen has emerged as a promising source in the future energy mix. Since its accidental discovery in Mali in 2012, global interest in this form of hydrogen—often called geological, white, or gold hydrogen—has surged. Generated primarily through serpentinization, a process where water reacts with iron-rich minerals, natural hydrogen can become trapped in reservoirs beneath impermeable rocks. Other natural processes also contribute to its formation. A recent study by French geologists and Albanian scientists found hydrogen with 85% purity in a chromium mine, with minimal methane contamination, resulting in a low carbon intensity of around 0.4 kg CO2e per kg of hydrogen produced. According to Rystad Energy, white hydrogen could potentially transform the clean hydrogen sector, shifting it from an energy carrier to a primary energy source. Interest in natural hydrogen is growing rapidly, with the number of companies involved, increasing from 10 in 2020 to 40 by the end of last year. Exploration is underway in countries like Australia, the U.S., Spain, France, Albania, and Canada. Canada-based Hydroma, for instance, extracts white hydrogen at just $0.50 per kg, while projects in Spain and Australia aim for around $1 per kg. This suggests that natural hydrogen could offer a cost-effective, low-carbon energy alternative. This article examines the potential of natural hydrogen to play a key role in achieving a net-zero carbon future by exploring its science, economics, and ongoing global exploration efforts.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,652

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 technologies0,0010,001
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 Opus0,004
Tête enseignante GPT0,238
Écart entre enseignants0,234 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Contributions Oil and GasMême sujetAstro and Planetary ScienceTravaux en français237 207