MétaCan
Menu
Retour à la cohorte
Enregistrement W2378043091

Effect of ionic liquid pretreatment on lignocellulosic biomass from oilseeds

2013· article· en· W2378043091 sur OpenAlexaff
Liyang Liu

Notice bibliographique

RevueHuagong xuebao · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensScience North
Organismes subventionnairesnon disponible
Mots-clésIonic liquidChemistryStrawLignocellulosic biomassChlorideEnzymatic hydrolysisYield (engineering)XyloseNuclear chemistryRaw materialCelluloseHydrolysisOrganic chemistryInorganic chemistryMaterials scienceCatalysisFermentationMetallurgy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this study,three kinds of ionic liquid,including 1-butyl-3-methylimidazolium chloride([Bmim]Cl),1-butyl-3-methylimidazolium bromide([Bmim]Br)and 1-octyl-3-methylimidazolium chloride([Omim]Cl),were selected to pretreat the lignocellulosic parts of oilseeds:peanut husk,peanut straw and cole straw.The untreated and pretreated materials were investigated through the compositional,enzymatic hydrolysis and structural analysis.Among the untreated materials,peanut straw with the highest sugar yield 54.31% and the lowest lignin content was considered as the preferable substrate for biofuels production.After ionic liquid pretreatment,the effect of[Bmim]Cl on sugar yield was more significant, which lead to 85.43%sugar yield for peanut straw.The structural changes were also analyzed by scanning electron microscope(SEM)and Fourier transform-infrared(FT-IR).Among the raw materials,peanut straw's morphological structure was distinctive with broken surface,incompact structural and lower crystallinity.After pretreatment,all material turned to be more porous and rough than before.On the basis,the mechanism of lignocellulose's dissolution by ionic liquid with different cation and anion were also discussed. The results showed that the chlorine and[Bmim]+were vital on the effect of ionic liquid pretreatment.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,023
Score d'incertitude au seuil1,000

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)0,0010,001

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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,188 · 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.

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

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuagong xuebaoMême sujetBiofuel production and bioconversionTravaux en français237 207