MétaCan
Menu
Retour à la cohorte
Enregistrement W4410945342 · doi:10.20944/preprints202505.2431.v1

HEFA‐to‐Jet: Are We Heading in the Right Direction for Sustainable Aviation Fuel Production?

2025· preprint· en· W4410945342 sur OpenAlexfundno aff
Mathieu Pominville-Racette, Ralph P. Overend, Inès Esma Achouri, Nicolas Abatzoglou

Notice bibliographique

RevuePreprints.org · 2025
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueGraphite, nuclear technology, radiation studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHeading (navigation)Jet fuelAviationJet (fluid)Production (economics)AeronauticsAviation biofuelSustainable productionBusinessAerospace engineeringEnvironmental scienceEngineeringEconomicsBiofuel

Résumé

récupéré en direct d'OpenAlex

Hydrotreated ester and fatty acids to jet (HEFA-tJ) is presently the most developed and economically attractive pathway to produce sustainable aviation fuel (SAF). However, an ongoing systematic study of the critical variables of different pathways to SAF has revealed significantly lower GHG reduction potential for the HEFA-tJ pathway compared to competing markets using the same resources for road diesel production. Moderate yield variations between air and road pathways lead to several hundred thousand tons less GHG reduction by project, which is generally not evaluated thoroughly in standard environmental assessments. We also demonstrate that if the HEFA-tJ market has attractive features that biodiesel/renewable diesel does not have, market attractiveness is temporary and will lead to considerable viability risks as HEFA-tJ fuel market integration rises. The negative environmental impact of palm oil production, the primary resource for road production, could also be reduced if methane capture technologies were applied more widely. We emphasize the need for more transparent data and effort in this regard before envisaging rising drastically HEFA-tJ production. Overall, reducing road diesel carbon intensity appears to be less capital-intensive, risky, and several times more efficient in reducing GHG emissions.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,348
Écart entre enseignants0,275 · 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'étudeObservationnel
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 revuePreprints.orgMême sujetGraphite, nuclear technology, radiation studiesTravaux en français237 207