MétaCan
Menu
Retour à la cohorte
Enregistrement W3109530026 · doi:10.18331/brj2020.7.4.4

Recent innovations for reviving the ABE fermentation for production of butanol as a drop-in liquid biofuel

2020· article· en· W3109530026 sur OpenAlexvenueno aff
Hamid Amiri

Notice bibliographique

RevueBiofuel Research Journal · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésButanolBiofuelHemicelluloseBiochemical engineeringFossil fuelProduction (economics)Pulp and paper industryProcess engineeringWaste managementEnvironmental scienceChemistryEngineeringCelluloseEconomicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Butanol is a key microbial product that provides a route from renewable carbohydrate resources to a "drop-in" liquid biofuel, broadening its market in the near future. The acceptable performance of butanol as a neat or a blended fuel in different engines both from the technical and environmental points of view has attracted a wide range of research for reviving the old acetone-butanol-ethanol (ABE) fermentation. In this review, recent findings on fuel characteristics of butanol, different generations of substrate for large scale butanol production, and alternative process designs for upstream, mainstream, and downstream operations have been critically reviewed and discussed. In the upstream, studies devoted to designing and optimization of pretreatments based on prerequisites of butanol production, e.g., maximizing cellulose and hemicellulose recovery and minimizing lignin degradation, are presented. In the mainstream, different microbial systems and process integrations developed for facilitating ABE production (e.g., in-situ butanol removal) are scrutinized. Finally, innovations in ABE recovery and purification as "Achilles Heel" of butanol production processes which directly controls the energy return on investment (EROI), are reviewed and discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,116
Tête enseignante GPT0,363
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiofuel Research JournalMême sujetBiofuel production and bioconversionTravaux en français237 207