MétaCan
Menu
Retour à la cohorte
Enregistrement W4238917194 · doi:10.1007/978-1-4612-0119-9_38

Influence of Mixing Regime on Enzymatic Saccharification of Steam-Exploded Softwood Chips

2002· book-chapter· en· W4238917194 sur OpenAlexaff
Ursula Mais, Ali R. Esteghlalian, John N. Saddler

Notice bibliographique

RevueHumana Press eBooks · 2002
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMixing (physics)SoftwoodSteam explosionCellulaseCelluloseSubstrate (aquarium)HydrolysisLigninPulp and paper industryChemistryMaterials scienceEnzymatic hydrolysisChemical engineeringComposite materialOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

In an attempt to elucidate the effect of reduced mixing on the enzymatic hydrolysis of lignocellulosic feedstocks, a pretreated softwood substrate was hydrolyzed under various mixing regimes using a commercial cellulase mixture. The substrate was generated by SO 2 -catalyzed steam explosion of Douglas fir wood chips followed by alkali-peroxide treatment to remove lignin. Three mixing regimes were tested; continuous mixing at low (25 rpm) and high (150 rpm) speeds, and mixing at low-speed interspersed with 5-min intervals of high-speed agitation at 150 rpm. At both substrate concentrations (7.5 and 10% [w/w]), the mixed-speed mixing was able to produce sufficiently high conversion rates and yields (93% after 96 h), close or slightly better than those obtained under vigorous mixing (150 rpm). The low-speed shaking produced appreciably lower conversion yields at both levels of substrate concentration. Therefore, the mixed-speed regime may be a viable process option, because it does not seem to have an adverse impact on the cellulose conversion yield and can be an effective means of reducing the mixing energy requirements of an enzymatic hydrolysis process.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,052
Tête enseignante GPT0,215
Écart entre enseignants0,163 · 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

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHumana Press eBooksMême sujetBiofuel production and bioconversionTravaux en français237 207