MétaCan
Menu
Retour à la cohorte
Enregistrement W2083115418 · doi:10.1021/ie0102246

Aqueous/Steam-Fractionated Agricultural Residues as Substrates for Ethanol Production

2001· article· en· W2083115418 sur OpenAlexafffund
K. Belkacemi, Ginette Turcotte, P. Savoie

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversité Laval
Organismes subventionnairesGovernment of Canada
Mots-clésHemicelluloseChemistryCellulosic ethanolEthanol fuelHydrolysisFermentationSteam explosionLigninEnzymatic hydrolysisFractionationBagasseEthanol fermentationCelluloseXylosePulp and paper industryEthanolFood scienceBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This study was aimed at evaluating two agricultural residues, corn stalks and barley straw, as substrates for ethanol production, after aqueous/steam fractionation at a fixed level of process pretreatment severity ( T = 220 °C, t = 120 s). Two fractions were used as carbon sources for ethanol production: (i) a hemicellulose-rich liquor and (ii) cellulosic fines recovered at 4−9% lignin content after a delignification step. Both fractions were enzyme hydrolyzed. The hemicellulose fraction was easily converted into fermentable sugars at 90% of theoretical yield. The extent of saccharification for the cellulosic fines was about 60%. Increasing the delignification by adding 1% v/v hydrogen peroxide resulted in up to 80% saccharification. The hydrolyzate from the cellulosic fines was easily fermented to ethanol at 90% of theoretical yield with Saccharomyces cerevisiae and Pachysolen tannophilus ATCC 32691, whereas the hydrolyzate from hemicellulose-rich liquors was fermented only to 20% of theoretical yield. A lime treatment of the hemicellulosic-rich liquors slightly improved cell growth and ethanol production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,077
Tête enseignante GPT0,308
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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

Citations34
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetBiofuel production and bioconversionTravaux en français237 207