MétaCan
Menu
Retour à la cohorte
Enregistrement W4410199821 · doi:10.1080/00295450.2025.2472094

Progress Toward Instrumented Nuclear Fuel Pellets Using Additive Manufacturing

2025· article· en· W4410199821 sur OpenAlexafffund
D. A. Huston, Anil Prasad, Nikolaos Kotsios, A. Bergeron, F. M. Kelly, E. C. Corcoran

Notice bibliographique

RevueNuclear Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdditive Manufacturing and 3D Printing Technologies
Établissements canadiensCanadian Nuclear LaboratoriesRoyal Military College of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPelletsNuclear fuelNuclear engineeringEnvironmental scienceNuclear fuel cyclePelletRadiochemistryWaste managementMaterials scienceProcess engineeringChemistryFuel cycleEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Instrumented fuel pellets offer the potential to be used for the real-time measurement of fuel properties within emerging nuclear reactor designs. The use of three-dimensional (3D) printed nuclear fuel pellets is one approach to accommodate instrumentation. The 3D printing of nuclear materials requires that a printable feedstock material be developed for use with a specific additive manufacturing technology. In the present work, an iterative design process was used to formulate a filament containing yttria-stabilized zirconia, as a surrogate for uranium dioxide, that is suitable for use with fused filament fabrication 3D printers.The components of the filament and their amounts, the printing parameters, and the debinding process were varied to produce an optimized printing procedure. A final five-component formulation containing 50.0 ± 0.1 vol % organic material was developed. With this formulation, the requirement to print to a 16-mm wall thickness, consistent with CANDU pellet dimensions rather than the maximum of 4 mm reported previously, resulted in numerous production failures. Ultimately, the manipulation of specific printer parameters to form microchannels within the pellet during printing resulted in pellets consistent with the target criteria. In the final set of eight pellets, seven pellets met the density criterion of 95% theoretical density, with an average density of 96.2 ± 1.0% of theoretical density.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,227
Écart entre enseignants0,216 · 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'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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNuclear TechnologyMême sujetAdditive Manufacturing and 3D Printing TechnologiesTravaux en français237 207