Adsorption de gaz sur les matériaux microporeux, modélisation, thermodynamique et applications
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation. Avant-proposCette thèse présente les travaux dans un ordre logique plutôt que chronologique.Dans les faits, ce projet de doctorat a débuté par le développement d' un cycle de liquéfaction de l' hydrogène par adsorption, l'essentiel du projet d'origine.Après analyse, nous avons jugé que la liquéfaction de l' hydrogène par adsorption n' avait pas le potentiel nécessaire pour concurrencer la technologie actuelle.Nous n' avons pas écrit d'articles scientifiques à ce sujet.Toutefois, lors de cette étude, nous avons dû adapter un modèle d'adsorption de gaz sur des adsorbants microporeux pour représenter l'adsorption sur de grandes plages de températures au-dessus du point critique.Nous avons également trouvé les propriétés thermodynamiques de la phase adsorbée à partir du modèle d' adsorption modifié.Nous avons ensuite eu l' occasion d'appliquer ces travaux à l' analyse de systèmes de stockage de l' hydrogène basés sur l' adsorption, dans le cadre d' une collaboration avec Toyota Motor Corporation.Nous décrivons ici d'abord nos travaux sur la modélisation de l'adsorption et la thermodynamique.Par la suite, nous présentons l' analyse de ces deux applications: les systèmes de stockage de l'hydrogène par adsorption et un cycle de liquéfaction de l'hydrogène basé sur l' adsorption. RemerciementsEn premier lieu, je tiens à remercier mon directeur de thèse, le professeur Richard Chahine, pour son soutien, sa confiance et sa rigueur.Je remercie le professeur Pierre Bénard pour avoir joué le rôle non officiel de co-directeur et m' avoir donné ses conseils et son soutien.Je remercie spécialement Daniel Cossement, Patrick Chandonia, Annalise Czerny, Marie-Hélène Bégin, lndranil Gosh et Renju Zacharia pour leur aide dans ces recherches.Je ne peux pas passer sous silence le soutien de l' agente d'administration Lucie Bellemare, toujours là pour nous aider.Enfin, je remercie le professeur Jacques Goyette et mon père, Sylvio Richard , pour avoir pris le temps de relire ma thèse et de me faire des suggestions.Toutefois, par-dessus tout, c' est l' amitié de tous ces gens, ainsi que de nombreux autres, qui a rendu mon parcours vraiment agréable et enrichissant.Ma bourse d'études doctorales du Ministère des Ressources naturelles du Québec m'a encouragé à persévérer en reconnaissant financièrement la valeur de mon travail.De plus, Ressources naturelles Canada, le Conseil national de recherches du Canada ainsi que Toyota Motor Corporation ont permis la réalisation de ces projets par leur financement.v 3.6 Conclusion ...............
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".