MétaCan
Menu
Retour à la cohorte
Enregistrement W4413014343 · doi:10.1016/j.ijhydene.2025.150694

Investigation and assessment of newly developed sonochemical and sonoelectrochemical systems

2025· article· en· W4413014343 sur OpenAlexaff
Moslem Sharifishourabi, İbrahim Dinçer, Atef Mohany

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueUltrasound and Cavitation Phenomena
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésProcess engineeringComputer scienceBiochemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This study introduces novel ultrasound-assisted hydrogen production systems using sonochemical and sonoelectrochemical methods. It also evaluates their performance under various operating conditions to improve clean hydrogen generation. The research evaluates the effects of key parameters, such as water source, alcohol concentration, gas injection, and temperature on the hydrogen yield within a sonoreactor operating at 40 kHz and 100 W. Four types of water (distilled, tap, lake, and wastewater) are examined to assess the influence of water purity and composition on cavitation behavior and hydrogen production, with distilled water showing the highest hydrogen output. The addition of 5 % isopropyl alcohol significantly improves the hydrogen production rates. Air injection modestly increased hydrogen generation compared to CO 2 , especially at controlled flow rates. The study further integrates a traditional electrolyzer into the sonoreactor to investigate the sonoelectrochemical effect, resulting in a 25 % increase in hydrogen yield.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,242

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 technologies0,0000,000
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 Opus0,013
Tête enseignante GPT0,273
Écart entre enseignants0,261 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetUltrasound and Cavitation PhenomenaTravaux en français237 207