MétaCan
Menu
Retour à la cohorte
Enregistrement W6928666236 · doi:10.3929/ethz-b-000664437

Why the Cost of Carbon Capture and Storage Remains Persistently High

2023· other· en· W6928666236 sur OpenAlexaboutno aff

Notice bibliographique

RevueRepository for Publications and Research Data (ETH Zurich) · 2023
Typeother
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon capture and storage (timeline)SubsidyRenewable energySoftware deploymentGreenhouse gasFossil fuelGovernment (linguistics)Carbon dioxideProcess (computing)

Résumé

récupéré en direct d'OpenAlex

Carbon capture and storage (CCS) costs depend on the process type, capture technology, carbon dioxide (CO2) transport, and storage location. CO2 capture costs are projected to range from CAD 27–48/tCO2 for processes with concentrated CO2 streams to CAD 50–150/tCO2 for diluted gas streams. The actual cost of CCS projects in Canada indicates that costs are in the upper range of what is predicted in the literature. The persistent high costs of CCS are attributed to high design complexity and the need for customization that limits the deployment of CCS. Comparing the experience rates—or the decrease in cost with increased development and deployment—of CCS with other energy technologies, such as solar and wind, shows that CCS cost reductions have been slow, despite being in use commercially for more than 50 years. The economic viability of CCS for the oil and gas sector continues to rely heavily on federal and provincial government financial support. This is in contrast to renewable technologies, which have generally required government subsidies only in the initial development phases. CCS may play an important role in hard-to-decarbonize industrial sectors such as cement and steel, where substitute materials or fully matured decarbonization technologies are not yet available or fully developed.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,008

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 Opus0,067
Tête enseignante GPT0,311
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepository for Publications and Research Data (ETH Zurich)Même sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207