MétaCan
Menu
Retour à la cohorte
Enregistrement W3044716114 · doi:10.3390/polym12071623

High Acid Biochar-Based Solid Acid Catalyst from Corn Stalk for Lignin Hydrothermal Degradation

2020· article· en· W3044716114 sur OpenAlexaff
Qimeng Jiang, Guihua Yang, Fangong Kong, Pedram Fatehi, Xiaoying Wang

Notice bibliographique

RevuePolymers · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensLakehead University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBiocharCatalysisStalkLigninHydrothermal carbonizationChemistryCarbonizationYield (engineering)Solid acidSpecific surface areaNuclear chemistryOrganic chemistryMaterials scienceChemical engineeringAdsorptionPyrolysisComposite material

Résumé

récupéré en direct d'OpenAlex

Solid acid catalysts generally show the disadvantage of low acid amount and low recycling rate. To solve these problems, corn stalk-based solid acid catalysts were synthesized through carbonization and sulfonation processes in this work. The results showed that besides the rod-like structure inherited from raw corn stalk, the catalysts contained some small broken pieces on the surface, and the specific surface area varied from 1120 to 1640 m2/g. The functional groups (-SO3H) were successfully introduced onto the surface of the obtained solid acid catalysts. The acid amount varied between 1.2 and 2.4 mmol/g, which was higher than most of solid acid catalysts. The catalyst produced at 800 °C for 6 h in carbonation and then at 150 °C for 8 h in sulfonation had larger specific surface area and more sulfonate groups. In the degradation of lignin, the use of catalyst led to the generation of more aromatic compounds (65.6 wt. %) compared to that without using the catalyst (40.5 wt. %). In addition, a stable yield of reaction (85%) was obtained after four reuses. Therefore, corn stalk is suitable for high-value utilization to prepare high-acid amount biochar-based catalyst.

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 enseignants0,013
Score d'incertitude au seuil0,813

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 technologies0,0000,000
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 GPT0,206
Écart entre enseignants0,194 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolymersMême sujetLignin and Wood ChemistryTravaux en français237 207