MétaCan
Menu
Retour à la cohorte
Enregistrement W4297904160 · doi:10.1002/cptc.202200193

Visible‐Light‐Driven Lignin Valorization into Value‐Added Chemicals and Sustainable Hydrogen Using Zn<sub>1‐<i>x</i></sub>Cd<sub><i>x</i></sub>S Solid Solutions as Photocatalyst

2022· article· en· W4297904160 sur OpenAlexaff
Bruna Palma, Xi Cheng, Liyang Liu, Na Zhong, Scott Renneckar, Steve Larter, Md Golam Kibria, Jinguang Hu

Notice bibliographique

RevueChemPhotoChem · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPhotocatalysisLigninHydrogenBiomass (ecology)Hydrogen productionChemical engineeringMaterials scienceCarbon fibersSolid solutionSubstrate (aquarium)Band gapChemistryNanotechnologyCatalysisOrganic chemistryOptoelectronicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Biomass photorefinery for simultaneous production of value‐added chemicals and sustainable hydrogen holds promising perspective to achieve a negative carbon economy. However, insight into lignin valorization by the photorefinery approach is still lacking due to the extremely complex structure and component. In this work, we design a series of Zn 1‐ x Cd x S solid solutions as photocatalyst to reveal the photocatalytic mechanism for model component conversion. Bandgap engineering by changing the Zn/Cd ratio is proven to efficiently regulate the reaction pathway. Specifically, Zn 0.75 Cd 0.25 S (ZCS25) presented the best performance for hydrogen evolution (610±105 μmol h −1 g cat. −1 ) while Zn 0.5 Cd 0.5 S (ZCS50) demonstrated the best substrate conversion to monophenolic compounds. Besides, the well‐designed Zn 1‐x Cd x S solid solutions also show the ability to produce hydrogen and eliminate a methoxy group from real lignin by the photorefinery approach. This present work demonstrates a good example of biomass valorization by careful design of photocatalysts.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,008
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemPhotoChemMême sujetLignin and Wood ChemistryTravaux en français237 207