MétaCan
Menu
Retour à la cohorte
Enregistrement W4243824189 · doi:10.32920/ryerson.14644707

The Search For Additional Value From Food Waste Using Anaerobic Digestion and Pyrolysis

2021· preprint· en· W4243824189 sur OpenAlexaff
Vanessa Bairos

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensToronto Metropolitan UniversitySciencetech (Canada)
Organismes subventionnairesnon disponible
Mots-clésDigestateRaw materialBiomass (ecology)Waste managementPyrolysisAnaerobic digestionHeat of combustionBiofuelPulp and paper industryEnvironmental scienceTorrefactionMethaneCombustionChemistryEngineeringOrganic chemistryAgronomy

Résumé

récupéré en direct d'OpenAlex

Rethinking food waste could be an effective means to bridge the gap between local liabilities and finding value from this lost resource. While traditionally biomass has been used as a renewable energy source through combustion, there are more clever solutions. Biomass conversion can undergo both biotechnological (anaerobic digestion) and thermal (pyrolysis) conversion processes to produce end products that could sequester carbon from the environment. To date, both processes are being used independently for a number of energy carriers; however, no research at the moment has focused on converting biomass using anaerobic digestion to produce a fertilizer and extract further value by subjecting the digestate to pyrolysis. In the pyrolysis system, this feedstock is burned creating valuable carbon allotropes used to reshape next-generation energy devices, while removing carbon from the atmosphere. The objectives of this thesis are to determine if the digestate can be a suitable fertilizer as is. Based on N:P:K ratio, the digestate may not be as useful as a fertilizer. The second objective is to use the digestate as a suitable feedstock for pyrolysis in the search of high value nanocarbons. Although, the digestate was successful in being a feedstock, it did not provide insight to high value nanocarbons. Lastly, the solid product from pyrolysis (coke) was exfoliated to retrieve the advanced carbons using electrochemical exfoliation and sonication.

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)0,000
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,226
Écart entre enseignants0,206 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207