MétaCan
Menu
Retour à la cohorte
Enregistrement W2895874784 · doi:10.1002/cssc.201802073

Pyrolysis of the Cellulose Fraction of Biomass in the Presence of Solid Acid Catalysts: An Operando Spectroscopy and Theoretical Investigation

2018· article· en· W2895874784 sur OpenAlexaff
Christopher J. Keturakis, Olga B. Lapina, Aleksandr A. Shubin, Victor V. Terskikh, Evgeniy S. Papulovskiy, Ivan V. Yudaev, E. A. Paukshtis, Israel E. Wachs

Notice bibliographique

RevueChemSusChem · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesFonds National de la Recherche LuxembourgRussian Foundation for Basic ResearchNational Science Foundation
Mots-clésPyrolysisBiomass (ecology)CatalysisCelluloseChemistrySelectivityChemical engineeringRaw materialInfrared spectroscopySpectroscopyHydrocarbonRaman spectroscopyOrganic chemistryInorganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Biomass pyrolysis by solid acid catalysts is one of many promising technologies for sustainable production of hydrocarbon liquid fuels and value‐added chemicals, but these complex chemical transformations are still poorly understood. A series of well‐defined model SiO 2 ‐supported alumina catalysts were synthesized and molecularly characterized, under dehydrated conditions and during biomass pyrolysis, with the aim of establishing fundamental catalyst structure–activity/selectivity relationships. The nature and corresponding acidity of the supported AlO x nanostructures on SiO 2 were determined with 27 Al/ 1 H NMR and IR spectroscopy of chemisorbed CO, and DFT calculations. Operando time‐resolved IR–Raman–MS spectroscopy studies revealed the molecular transformations taking place during biomass pyrolysis. The molecular transformations during biomass pyrolysis depended on both the domain size of the AlO x cluster and molecular nature of the biomass feedstock. These new insights allowed the establishment of fundamental structure–activity/selectivity relationships during biomass pyrolysis.

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 enseignants0,001
Score d'incertitude au seuil0,261

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 technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207