Metal powders as carbon dioxide-free energy carriers
Bibliographic record
Abstract
Tässä työssä käsitellään metalleja hiilidioksidivapaina energian kantajina. Metalleista saadaan vapautettua energiaa hapettamalla ja metalleihin saa sidottua energiaa pelkistämällä. Työssä keskitytään tutkimuksiin ja tekniikoihin, joissa hapettajana toimii ilma tai vesi. Ilmalla poltettaessa syntyy vain metallioksideja ja lämpöä. Vedellä hapetettaessa syntyy vetyä, metallioksideja ja lämpöä. Työssä esitetään metallien käyttämisen toimintaperiaate ja perusteluja, miksi metallit voisi olla hyvä vaihtoehto. Työssä käydään läpi myös tutkimusten tuloksia ja tekniikoita aiheeseen liittyen. Metalleilla on monia hyviä puolia, minkä myötä ne ovat lupaavia tulevaisuuden energian kantajia. Osalla metalleista on suurempi energiatiheys kuin fossiilisilla polttoaineilla. Osa metalleista on myös hyvin saatavilla maankuoresta. Useita metalleja voidaan pelkistää päästöttömästi. Metallit ovat useasti melko helposti käsiteltävissä. Metallien polttamista on tutkittu eniten Eindhovenin yliopistossa ja sieltä lähteneissä yrityksissä, sekä McGill-yliopistossa. Nämä ovat keskittyneet eniten raudan polttamiseen ilmalla. Metallien polttamistekniikkaa on testattu teollisissa käyttökohteissa, mutta tekniikan saralla on vielä ongelmia. Nämä systeemit ovat vielä pienitehoisia ja yritysten tavoitteena onkin skaalata näitä eteenpäin. Metallien hapettamista vedellä on testattu vain laboratoriossa energian tai vedyn tuottoa varten. Metallien vihreitä pelkistystekniikoita kehitetään koko ajan ja osalla nämä tekniikat ovat lähes kaupallisessa käytössä ja osalla vielä laboratorio tai skaalaus vaiheessa.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.310 | 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 teacher head, 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".