Kinetic and mechanistic aspects of furfural degradation in biorefineries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Furfural is one of the most promising platform chemicals for a future biobased industry and can already be produced from renewable raw materials. However, its production processes suffer from yield loss and fouling problems due to degradation reactions. To increase our understanding of furfural stability, we investigated the kinetics of its degradation (i) without acid catalyst and (ii) in 10 different acids that are frequently used in biomass processing or that are naturally present in biomass hydrolysates. The batch experiments were conducted in a parallel minireactor setup at temperatures ranging from 125 to 200°C. The results showed that acid‐catalyzed furfural degradation reactions depend mainly on acid strength and give rise to a set of common degradation products (formic acid, glycolic acid, pyruvate, etc.). Sulphurous acid and lignosulphonic acid led to greater furfural degradation than expected, which appears to be driven by specific side reactions. Adding formic acid, in contrast, led to a lower degradation rate than expected. In general, we observed two distinct, competing degradation mechanisms. Selectivity for formic acid as a degradation product depends on temperature, furfural concentration, and the presence of an acid catalyst. A more detailed study of the formic acid yielding reaction showed it to be reversible, and we provide the first quantitative description of this reaction for any furan. The proposed kinetic model, together with the results presented, contributes to the development of more efficient furfural production processes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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