MétaCan
Menu
Retour à la cohorte
Enregistrement W3087967028 · doi:10.15376/biores.15.4.wang

Biological pretreatment of biomass to decrease energy consumption in mechanical defiberization process

2020· article· en· W3087967028 sur OpenAlexafffund
Yingchao Wang, Shanshan Liu, Xiujing Liu, Liran Wu, Qiang Wang, Xingxiang Ji

Notice bibliographique

RevueBioResources · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNational Natural Science Foundation of ChinaCanada Research ChairsNational Science Foundation
Mots-clésBiomass (ecology)Lignocellulosic biomassBiochemical engineeringEnergy consumptionProcess (computing)Agricultural engineeringEnvironmental scienceProcess engineeringPulp and paper industryEnvironmental economicsBiofuelWaste managementComputer scienceEngineeringEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

It is critical to develop sustainable, effective, and innovative technologies for society, particularly for processing of biomass, so that the green/ sustainable advantages can be extended to the final products. This review examined two-step biological-mechanical defiberization of lignocellulosic biomass to produce fibers. Two biological pretreatment methods of fungi and enzymes were mainly introduced, with particular focus on the energy consumption. Potential application methods, advantages, disadvantages, process economics, and future prospects of two biological pretreatment methods were considered to derive a complete road map for the proposed process. With the help of biological pretreatment, the mechanical pulping production could not only improve the paper strength, but also decrease energy consumption at about 40%. This process fits well with the green/sustainable strategy to produce lignocellulosic fibers with reasonable quality while having minimal environmental impact.

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 enseignants0,025
Score d'incertitude au seuil0,287

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 Opus0,027
Tête enseignante GPT0,225
Écart entre enseignants0,198 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetBiofuel production and bioconversionTravaux en français237 207