MétaCan
Menu
Retour à la cohorte
Enregistrement W2763070343 · doi:10.1021/acssuschemeng.7b02582

Oxidation of Kraft Lignin with Hydrogen Peroxide and its Application as a Dispersant for Kaolin Suspensions

2017· article· en· W2763070343 sur OpenAlexafffund
Wenming He, Weijue Gao, Pedram Fatehi

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationNorthern Ontario Heritage Fund Corporation
Mots-clésDispersantLignosulfonatesChemistryLigninKraft processHydrogen peroxideOrganosolvKraft paperOxidizing agentCelluloseZeta potentialFlocculationOrganic chemistryChemical engineeringPulp and paper industryNuclear chemistry

Résumé

récupéré en direct d'OpenAlex

Lignin is an underutilized byproduct of pulping and cellulosic ethanol production plants. However, if utilized efficiently, it can facilitate the development of sustainable processes. In this work, oxidized kraft lignin (OKL) was prepared via treating kraft lignin (KL) with hydrogen peroxide, an environmentally friendly and industrially attractive oxidizing agent, under alkaline conditions. The oxidized kraft lignin with a carboxylate group content of 1.53 mequiv/g was obtained under the optimal oxidation conditions of 80 °C, 2 h treatment, at a 0.77 molar ratio of NaOH/H 2 O 2, and 2.85 molar ratio of H 2 O 2 /lignin, which was then employed as an anionic dispersant for kaolin suspensions. The zeta potential, particle size, and specific surface area as well as the relative turbidity and flocculation index of the kaolin suspension were affected by the pH of the suspension. By increasing the dosage of OKL to 40 mg/L, the relative turbidity of the suspension was increased to 1.18 at pH 5 and the kaolin concentration of 4 g/L, which made its performance superior to that of commercially produced lignosulfonate.

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 enseignants0,005
Score d'incertitude au seuil0,929

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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,194 · 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

Citations98
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetLignin and Wood ChemistryTravaux en français237 207