Trifluoroiodomethane\nas a Precursor to High Global\nWarming Potential Climate Pollutants: Could the Transformation of\nClimatically Benign CF<sub>3</sub>I into Potent Greenhouse Gases Significantly\nIncrease Refrigerant-Related Greenhouse Gas Emissions?
Notice bibliographique
Résumé
The transition away from the production and consumption\nof high\nglobal warming potential (GWP) hydrofluorocarbons (HFCs) under the\n2016 Kigali Amendment to the Montreal Protocol on Substances that\nDeplete the Ozone Layer (Montreal Protocol) has prompted air conditioning,\nrefrigeration, and heat pump equipment manufacturers to seek alternative\nrefrigerants with lower direct climate impacts. Additional factors\naffecting alternative refrigerant choice include safety (i.e., flammability\nand toxicity), environmental, and thermodynamic constraints. At the\nsame time, manufacturers are incentivized to seek refrigerants with\nhigher energy efficiency, which saves on electricity costs and reduces\nindirect greenhouse gas emissions from electricity generation. The\nlife cycle climate performance (LCCP) metric is commonly used to assess\nthe combined direct and indirect climate impacts of refrigerant-use\nequipment. Here, we consider an additional impact on climate performance:\nthe degradation of refrigerant in equipment, i.e., the direct climate\nimpacts of high-GWP byproducts that can form as the result of adding\ntrifluoroiodomethane (CF<sub>3</sub>I) to refrigerant blends to reduce\nflammability. Such a production of high-GWP gases could change the\nacceptability of CF<sub>3</sub>I-containing refrigerants. Further,\nit highlights the need to understand refrigerant degradation within\nequipment in calculations of the environmental acceptability of new\ncooling technology.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».