MétaCan
Menu
Retour à la cohorte
Enregistrement W4281650431 · doi:10.1002/cssc.202200328

Diverse Applications of Biomass‐Derived 5‐Hydroxymethylfurfural and Derivatives as Renewable Starting Materials

2022· review· en· W4281650431 sur OpenAlexafffund
Franklin Chacón‐Huete, Cynthia Messina, Brandon Cigana, Pat Forgione

Notice bibliographique

RevueChemSusChem · 2022
Typereview
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensConcordia UniversityCentre in Green Chemistry and Catalysis
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésBiomass (ecology)Raw materialRenewable energyFine chemicalChemical industryBiochemical engineering5-hydroxymethylfurfuralNanotechnologyGreen chemistryChemistryEnvironmental scienceOrganic chemistryMaterials scienceEngineeringCatalysisIonic liquid

Résumé

récupéré en direct d'OpenAlex

This Review summarizes recent efforts to capitalize on 5-hydroxymethylfurfural (HMF) and related furans as emerging building blocks for the synthesis of fine chemicals and materials, with a focus on advanced applications within medicinal and polymer chemistry, as well as nanomaterials. As with all chemical industries, these fields have historically relied heavily on petroleum-derived starting materials, an unsustainable and polluting feedstock. Encouragingly, the emergent chemical versatility of biomass-derived furans has been shown to facilitate derivatization towards valuable targets. Continued work on the synthetic manipulation of HMF, and related derivatives, for access to a wide range of target compounds and materials is crucial for further development. Increasingly, biomass-derived furans are being utilized for a wide range of chemical applications, the continuation of which is paramount to accelerate the paradigm shift towards a sustainable chemical industry.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,030
Tête enseignante GPT0,270
Écart entre enseignants0,240 · 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

Citations62
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemSusChemMême sujetCatalysis for Biomass ConversionTravaux en français237 207