High-Gravity Fermentation for Bioethanol Production from Industrial Spent Black Cherry Brine Supplemented with Whey
Notice bibliographique
Résumé
By-products from different industries could represent an available source of carbon and nitrogen which could be used for bioethanol production using conventional Saccharomyces cerevisiae yeast. Spent cherry brine and whey are acid food by-products which have a high organic matter content and toxic compounds, and their discharges represent significant environmental and economic challenges. In this study, different combinations of urea, yeast concentrations, and whey as a nutrient source were tested for bioethanol production scale-up using 96-well microplates as well as 7.5 L to 100 L bioreactors. For bioethanol production in vials, the addition of urea allowed increasing the bioethanol yield by about 10%. Bioethanol production in the 7.5 L and 100 L bioreactors was 73.2 g·L−1 and 103.5 g·L−1 with a sugar consumption of 81.5% and 94.8%, respectively, using spent cherry brine diluted into whey (200 g·L−1 of total sugars) supplemented with 0.5 g·L−1 urea and 0.5 g·L−1 yeast at 30 °C and a pH of 5.0 after 96 h of fermentation for both systems. The results allow these by-products to be considered low-economic-value alternatives for fuel- or food-grade bioethanol production.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».