MétaCan
Menu
Back to cohort
Record W7005708136

Séparation du CO2 par écoulement supersonique

2023· other· fr· W7005708136 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languagefr
FieldMedicine
TopicBiological and pharmacological studies of plants
Canadian institutionsnot available
Fundersnot available
KeywordsSulfur dioxideContext (archaeology)Carbon oxide
DOInot available

Abstract

fetched live from 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.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.018
Threshold uncertainty score0.036

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.002

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.

Opus teacher head0.024
GPT teacher head0.235
Teacher spread0.211 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicBiological and pharmacological studies of plantsFrench-language works237,207