MétaCan
Menu
Retour à la cohorte
Enregistrement W2888345464 · doi:10.1098/rsos.171970

Characterization of biocarbon generated by high- and low-temperature pyrolysis of soy hulls and coffee chaff: for polymer composite applications

2018· article· en· W2888345464 sur OpenAlexafffund
Peter Quosai, Andrew Anstey, Amar K. Mohanty, Manjusri Misra

Notice bibliographique

RevueRoyal Society Open Science · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of GuelphDiscovery Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaOntario Ministry of Research, Innovation and Science
Mots-clésPyrolysisRaw materialMaterials scienceBiomass (ecology)Thermal stabilityCarbon fibersComposite materialThermal conductivityComposite numberChemical engineeringChemistryAgronomyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The physical properties of biocarbon vary widely with the biomass used, and the temperature and duration of pyrolysis. This study identifies the effects of feedstock characteristics and pyrolysis conditions on the production of biocarbon and the corresponding properties for industrial applications. For coffee chaff and soy hulls, ash content and carbon content increased with pyrolysis temperature and duration. Ash content increased thermal conductivity and specific heat, and decreased electrical conductivity. Change in surface area with pyrolysis conditions was dependent on type of feedstock. Increased surface area corresponded with increased thermal and electrical conductivity. Increased carbon content corresponded with increased graphitization and thermal stability and decreased surface functionality. Properties of soy hull biocarbons were found to be similar to the properties of other biocarbons with industrial applications such as incorporation into polymer composites.

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 enseignants0,001
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
Bibliométrie0,0000,001
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)0,0010,000

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 GPT0,214
Écart entre enseignants0,210 · 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

Citations87
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRoyal Society Open ScienceMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207