New Opportunities in the Valorization of Technical Lignins
Notice bibliographique
Résumé
Sugar-based biorefineries have faced significant economic challenges. Biorefinery lignins are often classified as low-value products (fuel or low-cost chemical feedstock) mainly due to low lignin purities in the crude material. However, recent research has shown that biorefinery lignins have a great chance of being successfully used as high-value products, which in turn should result in an economy renaissance of the whole biorefinery idea. This critical review summarizes recent developments from our groups, along with the state-of-the-art in the valorization of technical lignins, with the focus on biorefinery lignins. A beneficial synergistic effect of lignin and cellulose mixtures used in different applications (wood adhesives, carbon fiber and nanofibers, thermoplastics) has been demonstrated. This phenomenon causes crude biorefinery lignins, which contain a significant amount of residual crystalline cellulose, to perform superior to high-purity lignins in certain applications. Where previously specific applications required high-purity and/or functionalized lignins with narrow molecular weight distributions, simple green processes for upgrading crude biorefinery lignin are suggested here as an alternative. These approaches can be easily combined with lignin micro-/nanoparticles (LMNP) production. The processes should also be cost-efficient compared to traditional lignin modifications. Biorefinery processes allow much greater flexibility in optimizing the lignin characteristics desirable for specific applications than traditional pulping processes. Such lignin engineering, at the same time, requires an efficient strategy capable of handling large datasets to find correlations between process variables, lignin structures and properties and finally their performance in different applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».