MétaCan
Menu
Retour à la cohorte
Enregistrement W4318020440 · doi:10.1016/j.recm.2023.01.001

Exploration of optimal reaction conditions on lactic acid production from glucose photoreforming over carbon nitride

2023· article· en· W4318020440 sur OpenAlexafffund
Heng Zhao, Xiao Wang, Xingxing Wu, Jiu Wang, Na Zhong, Ali Seifitokaldani, Steve Larter, Md Golam Kibria, Jinguang Hu

Notice bibliographique

RevueResources Chemicals and Materials · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueAdvanced Photocatalysis Techniques
Établissements canadiensMcGill UniversityUniversity of Calgary
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesAlliance de recherche numérique du CanadaCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésLactic acidYield (engineering)Biomass (ecology)CatalysisCarbon nitrideChemistryGraphitic carbon nitrideChemical engineeringCarbon fibersMaterials sciencePhotocatalysisNanotechnologyOrganic chemistryBacteriaComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

Biomass valorization by photoreforming approach provides a promising and alternative strategy to generate value-added chemicals and fuels. In this work, we demonstrate the selective production of lactic acid from glucose photoreforming over pristine graphitic carbon nitride (g-C3N4) photocatalyst. Control experiments screen the best condition for the highest yield of lactic acid, including modulating pH, catalyst loading, and reaction time. 100% glucose conversion is achieved along with almost 100% lactic acid yield under the optimized condition. Density functional theory (DFT) calculations reveal that the rate-determining step (RDS) of the overall reaction on g-C3N4 is the conversion of pyruvaldehyde, where an electron transfer takes place. This present work provides experimental insights and theoretical understanding for selective lactic acid production from biomass photoreforming.

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 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 enseignants0,004
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,278
Écart entre enseignants0,258 · 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.

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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResources Chemicals and MaterialsMême sujetAdvanced Photocatalysis TechniquesTravaux en français237 207