MétaCan
Menu
Retour à la cohorte
Enregistrement W1999923317 · doi:10.1021/ef060233x

Selective Promotion of Catalytic Reactions during Biomass Gasification to Hydrogen

2006· article· en· W1999923317 sur OpenAlexaff
Raed Hashaikeh, Ian S. Butler, Janusz A. Koziński

Notice bibliographique

RevueEnergy & Fuels · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueSubcritical and Supercritical Water Processes
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésChemical engineeringCatalysisSupercritical fluidChemistryHydrogenCarbon fibersHydrothermal circulationCarbon dioxideBiomass (ecology)LiquefactionPolymerizationDecompositionMethaneDehydrationPhase (matter)Materials scienceOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

Hydrothermal catalytic gasification of diluted (0.1 M) biomass (glucose) solution into hydrogen, methane, and carbon dioxide gases in hot, compressed water has previously been achieved. However, efficient gasification was limited to low concentrations, mainly because the glucose−water system was found to react in a homogeneous phase at a relatively moderate temperature (238−250 °C). These reactions yielded precipitates that blocked the catalyst surface. In order for this technology to be practical and economically feasible, high glucose concentrations, higher than 1 M, should be processed. The phase behavior of the concentrated glucose solution was studied in supercritical water using a diamond-anvil cell and a continuous-flow reactor. The homogeneous phase reactions were triggered by the presence of acidic media and heat released during the hydrothermal processes. Dehydration of glucose leading to the formation of 5-hydroxymethylfurfural (5-HMF) is suggested as the major step in the evolution mechanism of the homogeneous phase reactions. 5-HMF tends to polymerize forming precipitates of oligomers with a high degree of polymerization. A novel reactor design has been developed to promote selective biomass gasification to hydrogen while preventing undesired precipitation reactions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,387

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations36
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetSubcritical and Supercritical Water ProcessesTravaux en français237 207