MétaCan
Menu
Retour à la cohorte
Enregistrement W4412989818 · doi:10.56952/arma-2025-0658

Cracking the Code: Harnessing Serpentinization-Driven Micro-Crack Networks for Hydrogen Generation and Subsurface Resource Recovery

2025· article· en· W4412989818 sur OpenAlexaff
Uno Mutlu, G. N. Boitnott, A. Lisjak, Johnson Ha, O. K. Mahabadi, Paul Connolly, Bolorchimeg N. Tunnell, Taghi Sherizadeh, Siegfried Nowak, Jon E. Olson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesnon disponible
Mots-clésCrackingComputer scienceResource (disambiguation)Code (set theory)Petroleum engineeringMaterials scienceGeologyEnvironmental scienceProcess engineeringComposite materialEngineeringComputer networkProgramming language

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: This study focuses on simulating volume-increasing processes caused by natural hydrogen-generating serpentinization, a reaction in which olivine and pyroxene typically transform into serpentine minerals. The volume increase leads to crack propagation along grain interfaces and new crack generation within unreacted crystals (aka grains). The interplay between thermo-hydro-mechanical-chemical (THMC) conditions plays a critical role in the initiation, propagation, and coalescence of various fracture surfaces, which enhances permeability and can accelerate serpentinization and hydrogen production rates. In the scenarios considered, chemical reactions between formation brine and reactive minerals result in volumetric expansion, generating stress and promoting the propagation of micro-cracks. Our results show that these micro-cracks can progressively evolve into intricate networks, depending on local stress conditions, material properties, fluid transport, and reaction kinetics. Importantly, if THMC processes can be engineered to optimize these dynamics, they could lead to a commercially viable approach for in-situ hydrogen generation, leveraging naturally reactive systems to create sustainable energy solutions

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,244 · 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'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 sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207