MétaCan
Menu
Retour à la cohorte
Enregistrement W3116560055 · doi:10.3390/catal11010011

Experimental and Kinetic Study on the Production of Furfural and HMF from Glucose

2020· article· en· W3116560055 sur OpenAlexaff
Ouwen He, Yangfan Zhang, Pan Wang, Lina Liu, Qian Wang, Nan Yang, Wenjie Li, Pascale Champagne, Hongbing Yu

Notice bibliographique

RevueCatalysts · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensQueen's University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésFurfuralChemistryYield (engineering)CatalysisOrganic chemistryHydroxymethylfurfuralKineticsMaterials science

Résumé

récupéré en direct d'OpenAlex

Furfural and 5-hydroxymethylfurfural (HMF) have been identified as promising bio-platform furans that have a wide range of potential applications as biofuels, bioplastics, and biochemicals. Furfural and HMF are typically synthesized from the substrates of C5 sugars and C6 sugars, respectively. Furfural can also be produced from C6 sugars, which is technically more challenging owing to the higher energy requirement for carbon–carbon bond cleavage. In this study, the simultaneous production of furfural and HMF from glucose was conducted over different binary catalyst systems of Brønsted acids and Lewis acids using γ-valerolactone (GVL) as the solvent. A promising performance was achieved by a SnSO4-H2SO4 coupling catalyst, with an optimized furfural yield of 42% and an HMF yield of 34% at 443 K in GVL. In addition, a kinetics study was performed in order to understand the mechanism of the simultaneous formation of furfural and HMF from glucose at different temperatures and GVL/water ratios. The results showed that the ratio of furfural to HMF production rate at different temperatures (433 to 463 K) or GVL/water ratios (90 to 80%) was constant close to 1, suggesting that the production of furfural and HMF might follow similar reaction pathways. Finally, the reaction pathway of glucose conversion to furfural and HMF was proposed based on the experimental and kinetics studies.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,208
Écart entre enseignants0,193 · 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'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

Citations63
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCatalystsMême sujetCatalysis for Biomass ConversionTravaux en français237 207