MétaCan
Menu
Retour à la cohorte
Enregistrement W2888170352 · doi:10.1002/bbb.1923

Advances in microalgal lipid extraction for biofuel production: a review

2018· review· en· W2888170352 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBiofuels Bioproducts and Biorefining · 2018
Typereview
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsBioFuelNet Canada
Mots-clésBiofuelBiomass (ecology)Raw materialExtraction (chemistry)Biochemical engineeringAlgae fuelEnvironmental scienceBioenergyBiodieselProcess (computing)Production (economics)Pulp and paper industryFossil fuelBiotechnologyWaste managementBiologyChemistryEcologyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Algal biomass is an attractive feedstock for sustainable biofuel production because of its high growth rate and the fact that it does not compete with food crops. This review examines progress made in the processing and extraction of microalgal lipids as feedstocks for algae‐derived biofuels. The discussion focuses on lipid extraction processes but also mentions drying, cell disruption, and transesterification processes because of their potential effect on the extraction process, and because of the possibility of performing them simultaneously with extraction. Some of the common themes discussed include the benefits of utilizing wet microalgal biomass, combining process steps (process intensification), and the importance of considering the entire life cycle when assessing the ‘greenness’ of a technology. Lipid extraction technologies will need to be improved for microalgal biofuels to compete effectively with fossil fuels, particularly through the development of energy‐efficient extraction methods and the adaptation of these methods for large‐scale production. © 2018 Society of Chemical Industry and John Wiley & Sons, Ltd

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,051
Tête enseignante GPT0,344
Écart entre enseignants0,293 · 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