JAEA収着データベース(JAEA-SDB)の開発; 2017年度における収着データ/信頼度情報の拡充
Notice bibliographique
Résumé
Sorption and diffusion of radionuclides in buffer materials (bentonites), rocks and cementitious materials are the key processes in the safe geological disposal of radioactive waste, because migration of radionuclides in these barrier materials is expected to be diffusion-controlled and retarded by sorption processes. It is therefore necessary to understand the sorption and diffusion processes and develop databases compiling reliable data and mechanistic/predictive models, so that reliable parameters can be set under a variety of geochemical conditions relevant to performance assessment (PA). The present report focuses on updating of the sorption database (JAEA-SDB) as basis of integrated approach for PA-related K$_{d}$ setting and mechanistic sorption model development. This includes an overview of database structure and contents. K$_{d}$ data and their QA results are updated by focusing our recent activities on the K$_{d}$ setting and mechanistic model development. As a result, 4,256 K$_{d}$ data from 30 references were added, total number of K$_{d}$ values in the JAEA-SDB reached about 63,000. The QA/classified K$_{d}$ data reached about 69\% for all K$_{d}$ data in JAEA-SDB. The updated JAEA-SDB is expected to make it possible to obtain quick overview of the available data, and to have suitable access to the respective data for PA-related K$_{d}$ setting in effective, traceable and transparent manner.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 0,069 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».