MétaCan
Menu
Retour à la cohorte
Enregistrement W3090523562 · doi:10.1021/acssuschemeng.0c06048

Properties of Bio-pitch and Its Wettability on Coke

2020· article· en· W3090523562 sur OpenAlexafffund
Ying Lu, Asem Hussein, Dazhi Li, Xianai Huang, Roozbeh Mollaabbasi, Donald Picard, Thierry Ollevier, Houshang Alamdari

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensNatural Resources CanadaUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesUniversité LavalAlcoa
Mots-clésCokeWettingCoal tarSurface tensionMaterials scienceContact anglePyrolysisCoalChemical engineeringEnvironmentally friendlyBiomass (ecology)Pulp and paper industryComposite materialChemistryOrganic chemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

Bio-pitch, driven from biomass, is a potential green alternative of coal-tar-pitch in the production of carbon anodes for the aluminum electrolysis process. Information on the wetting capacity of bio-pitch on the surface of the coke particle is of great interest in assessing its possible use as a renewable and environment-friendly binder. In this study, the wettability of various bio-pitches and one reference coal-tar-pitch on the same type of coke was investigated at a temperature of 178 °C using a sessile-drop setup. Bio-oil, the parental material of the bio-pitch, was produced by commercial pyrolysis from woody biomass. Postpyrolysis treatment was run to synthesize 10 different pitch samples from bio-oil, i.e., bio-pitches. Various techniques were used to analyze the physical and chemical characteristics of the bio-pitch samples and their interactions with coke. It was shown that the wettability of bio-pitch is highly influenced by its viscosity, surface tension, surface chemical functional groups, amount of quinoline insoluble, and molecular weight distribution.

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 enseignants0,007
Score d'incertitude au seuil0,443

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 Opus0,009
Tête enseignante GPT0,176
Écart entre enseignants0,167 · 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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetRecycling and Waste Management TechniquesTravaux en français237 207