MétaCan
Menu
← Retour à la cohorte
Enregistrement W2979489571 · doi:10.32920/ryerson.14664291.v1

Effect of Intermediate Washing on Ozonolysis Delignification and Enzymatic Hydrolysis of Wheat Straw

2021· preprint· en· W2979489571 sur OpenAlexaff
Ali Kamel H. Al jibouri

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésStrawChemistryLigninHydrolysisEnzymatic hydrolysisYield (engineering)OzonolysisOzoneAgronomyOrganic chemistryMaterials scienceInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Wheat straw was pretreated with ozone to increase the enzymatic hydrolysis yield. Ozonolysis pretreatment was performed in two stages with an intermediate washing step with water in between. Part of the delignification products (lignin fragments) were removed by a washing step so ozone was used to oxidize more lignin rather than oxidizing lignin fragments. Three parameters, i.e. Initial Water Content (IWC) in wheat straw, Washing Starting Time (WST), and Washing Contact Time (WCT), were optimized to minimize Acid Insoluble Lignin (AIL) content of ozonated wheat straw. Performing an experiment using optimal parameters' values, i.e. IWC equal to 45 wt. %, WST equal to 20 minutes and WCT equal to 80 seconds, showed a drop in AIL content to 9.35 % with an increase in enzymatic hydrolysis yield to 80 % of the theoretical. Readjusting water content of wheat straw to 45 % before performing the 2nd ozonolysis stage further reduced AIL content to 7.36 % and increased the hydrolysis yield to 90 %. Increasing wheat straw fiber size from < 2 mm to < 6 mm decreased the hydrolysis yield to 72 %. All results were considered significant improvements when compared to untreated wheat straw with AIL content of 20.5 % and hydrolysis yield of 23 %.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,216
Écart entre enseignants0,209 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiofuel production and bioconversion→Travaux en français237 207→