MétaCan
Menu
Retour à la cohorte
Enregistrement W7005708136

Séparation du CO2 par écoulement supersonique

2023· other· fr· W7005708136 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languefr
DomaineMedicine
ThématiqueBiological and pharmacological studies of plants
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSulfur dioxideContext (archaeology)Carbon oxide
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’état de la situation sur les problèmes environnementaux reste en 2022 plus que jamais un sujet préoccupant pour tous ; les niveaux de gaz à effet de serre atteignant chaque année de nouveaux sommets. La principale cause responsable du réchauffement climatique demeure l’émission de CO2 dans l’atmosphère par les industries, les commerces et les transports. Dans le but d’arrêter ces émissions, la capture du carbone postcombustion s’avère une solution à envisager. À l’aide des systèmes de capture du carbone directement reliés à la source des grands émetteurs de pollution, on peut capter le CO2 en forte concentration avant même de mélanger l’air et le CO2 dans l’atmosphère. Dans ce projet de recherche, on s’intéresse au système de capture à la source utilisant une technologie de cryogénie supersonique. Ainsi, le mélange d’air et de CO2 passe dans une tuyère supersonique afin d’accélérer le gaz à haute vitesse. En atteignant une vitesse supersonique, le mélange se refroidit suffisamment pour condenser le CO2 à l’état solide sur des microparticules présentes dans l’écoulement. Mon projet de maîtrise s’intéresse à ce qui se passe par la suite. Le gaz restant et les particules passent dans une expansion de Prandtl-Meyer. Le gaz supersonique est dévié dans un conduit, mais les particules conservent leur trajectoire initiale à cause de leur inertie et cela permet de les isoler du gaz dans un conduit secondaire. L’objectif du projet se résume à démontrer la séparation inertielle de particules dans un écoulement supersonique à l’aide d’un modèle prédictif et des essais expérimentaux. Pour l’atteinte de cet objectif, l’approche décidée est premièrement de développer un modèle analytique d’écoulement supersonique dans une tuyère de Laval afin de prédire la tra- jectoire de particules solides traversant une expansion de Prandtl-Meyer. Deuxièmement de concevoir la tuyère avec expansion qui favorise la séparation inertielle des particules, pour ensuite la fabriquer et l’installer sur un banc d’essai d’écoulement supersonique déjà construit au laboratoire. Troisièmement de valider les caractéristiques de la tuyère avec un écoulement de gaz sans particules lors d’expériences avec banc d’essai. Par la suite, on réalise d’autres expériences afin d’observer le comportement des particules injectées dans l’écoulement. Puis en vue d’isoler la grande concentration de particules du gaz, un sépa- rateur est ajouté à une position stratégique près de la fin de l’expansion. Finalement, on vient valider qualitativement le modèle avec les résultats expérimentaux en superposant les images de tests et les figures de trajectoires de particules provenant du modèle. Les résultats du modèle et des expériences démontrent la possibilité de séparer des micro- particules dans un écoulement supersonique en utilisant une expansion de Prandtl-Meyer. En outre, la comparaison des images du modèle et des tests permet de valider de ma- nière qualitative que la modélisation représente bien, en apportant certaines hypothèses, la réalité physique. En se basant sur les premiers résultats obtenus par la séparation inertielle des particules, le projet global de recherche peut se poursuivre en combinant la tuyère condensant du CO2 sur les microparticules avec une expansion séparant les particules du gaz tout en récoltant du CO2 à haute pureté.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,235
Écart entre enseignants0,211 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetBiological and pharmacological studies of plantsTravaux en français237 207