MétaCan
Menu
Retour à la cohorte
Enregistrement W2133100375 · doi:10.1039/c2lc40490g

Slab waveguide photobioreactors for microalgae based biofuel production

2012· article· en· W2133100375 sur OpenAlexaff
Erica E. Jung, Michael Kalontarov, Devin F. R. Doud, Matthew D. Ooms, Largus T. Angenent, David Sinton, David Erickson

Notice bibliographique

RevueLab on a Chip · 2012
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversity of Toronto
Organismes subventionnairesDavid R. Atkinson Center for a Sustainable Future , Cornell UniversityNational Science Foundation
Mots-clésPhotobioreactorBiomass (ecology)BiofuelBiochemical engineeringSlabPhotosynthesisWaveguideEnvironmental scienceNanotechnologyMaterials scienceBiologyBiotechnologyOptoelectronicsBotanyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Microalgae are a promising feedstock for sustainable biofuel production. At present, however, there are a number of challenges that limit the economic viability of the process. Two of the major challenges are the non-uniform distribution of light in photobioreactors and the inefficiencies associated with traditional biomass processing. To address the latter limitation, a number of studies have demonstrated organisms that directly secrete fuels without requiring organism harvesting. In this paper, we demonstrate a novel optofluidic photobioreactor that can help address the light distribution challenge while being compatible with these chemical secreting organisms. Our approach is based on light delivery to surface bound photosynthetic organisms through the evanescent field of an optically excited slab waveguide. In addition to characterizing organism growth-rates in the system, we also show here, for the first time, that the photon usage efficiency of evanescent field illumination is comparable to the direct illumination used in traditional photobioreactors. We also show that the stackable nature of the slab waveguide approach could yield a 12-fold improvement in the volumetric productivity.

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 enseignants0,238
Score d'incertitude au seuil0,659

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 Opus0,026
Tête enseignante GPT0,255
Écart entre enseignants0,230 · 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

Citations33
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetAlgal biology and biofuel productionTravaux en français237 207