MétaCan
Menu
Retour à la cohorte
Enregistrement W2332404463 · doi:10.1021/ie201743x

Application of Subcritical Water for Conversion of Macroalgae to Value-Added Materials

2011· article· en· W2332404463 sur OpenAlexaff
Somayeh Daneshvar, Feridoun Salak, Takasada Ishii, Koji Otsuka

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2011
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversity of Calgary
Organismes subventionnairesMitsubishi Foundation
Mots-clésChemistryAqueous solutionHexaneDecompositionResidue (chemistry)Aqueous two-phase systemHydrolysisOrganic matterAlgaeChromatographyOrganic chemistryBotany

Résumé

récupéré en direct d'OpenAlex

Subcritical water technology was used for treatment of Codium fragile (C. fragile) as a model for green macroalgae. Subcritical water reactions were carried out for 10 min at temperatures ranging from 100 to 240 °C. After reaction, three main phases were isolated: aqueous, residual solid, and hexane soluble phases. The aqueous phase showed a very high total organic carbon (TOC) content due to decomposition and solubilization of the cellulosic portion and other organic molecules of the algae. The main products identified in the aqueous phase were soluble sugars, derived from hydrolysis reactions. The production of other biobased compounds was also examined and several value-added compounds were identified. Investigation of the residual solid phase after treatment showed that with increasing subcritical water temperature, the amount of total residual solid declined and finally reached a constant amount at higher temperatures, attributed to the inorganic composition of the algae sample. The maximum inorganic composition of the sample was identified as approximately 36% based on dry matter. We also evaluated and compared the higher heating values (HHVs) of the residual solid residue and initial sample base on ultimate analysis. Finally, the hexane soluble content of this type of algae was found to be very low.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 Opus0,095
Tête enseignante GPT0,316
Écart entre enseignants0,221 · 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

Citations22
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetAlgal biology and biofuel productionTravaux en français237 207