MétaCan
Menu
Retour à la cohorte
Enregistrement W3088634743 · doi:10.1002/bbb.2146

Model of the slow pyrolysis of lignin to predict the product yield and composition of the liquid phase

2020· article· en· W3088634743 sur OpenAlexaff
Sherif Farag, Mai Attia, Ahmad Mohaddespour

Notice bibliographique

RevueBiofuels Bioproducts and Biorefining · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésPyrolysisLigninYield (engineering)Raw materialChemical engineeringChemical compositionPhase (matter)ChemistryComposition (language)Organic chemistryMaterials sciencePulp and paper industryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The organic phase obtained from the slow pyrolysis of lignin contains several highly functional chemical families. These make lignin‐based oil, which is suitable for producing several end products. The composition and quality of the liquid phase are crucial for identifying the downstream processes. They are affected by several factors, including the feedstock precipitation process, pyrolysis conditions, and the presence of an in situ or ex situ catalytic agent. In this regard, this work aims to predict the yield of the slow pyrolysis products from kraft lignin and the composition of the liquid phase under different conditions. A kinetic model based on a lumped approach is employed. A temperature range from ambient to 1100 K and a heating rate from 2 to 200 °C min −1 are applied. The results predicted from the study are compared under selected conditions against lab‐scale experimental data, which show the strong capabilities of the model employed. © 2020 Society of Chemical Industry and John Wiley & Sons, Ltd

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 enseignants0,005
Score d'incertitude au seuil0,274

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 Opus0,024
Tête enseignante GPT0,210
Écart entre enseignants0,186 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuels Bioproducts and BiorefiningMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207