MétaCan
Menu
Retour à la cohorte
Enregistrement W2803878906 · doi:10.15376/biores.13.3.4973-4985

Kinetic analysis of Fe(II)-promoted ethanol preparation from cornstalks

2018· article· en· W2803878906 sur OpenAlexaff
Kun Chen, Dehuan Liu, Xu Chen, Fan Zhiwen

Notice bibliographique

RevueBioResources · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesChongqing Municipal Education CommissionChina Scholarship CouncilChongqing UniversityNational Natural Science Foundation of China
Mots-clésEthanolFermentationYield (engineering)Ethanol fuelHydrolysisSubstrate (aquarium)CellulaseEthanol fermentationLiquefactionChemistryChromatographyPulp and paper industryFood scienceMaterials scienceBiochemistryOrganic chemistryBiologyComposite material

Résumé

récupéré en direct d'OpenAlex

This paper presents a kinetic study of fuel grade ethanol production by simultaneous saccharification and fermentation from Fe(II)-catalyzed cornstalks. The study observed the optimal conditions of ethanol production as: inoculation proportion (ratio of Pachysolen tannophilus to Saccharomyces cerevisiae) 2:1, fermentation temperature 32 °C, inoculation quantity 20%, addition amount of Fe2+ 4 mg/g (substrate), and cellulase dosage 30 U/g (substrate). An ethanol yield of 0.335 mg/g was obtained from cornstalks pretreated using liquefaction under optimum conditions. A 30.4% increase in the yield was observed when compared with the control group without the addition of Fe2+. The relationship between ethanol yield and fermentation time could be described through a Langmuir isotherm model. The findings of this study will help researchers better understand and describe the complex characteristics of ethanol production from cornstalks with Fe2+ promoter, which will be very useful in improving production yields.

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 seuil0,003

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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetBiofuel production and bioconversionTravaux en français237 207