MétaCan
Menu
Retour à la cohorte
Enregistrement W4391884455 · doi:10.1021/acscatal.3c06046

Solar-Driven Cellulose Photorefining into Arabinose over Oxygen-Doped Carbon Nitride

2024· article· en· W4391884455 sur OpenAlexafffund
Jiu Wang, Qi Zhao, Pawan Kumar, Heng Zhao, Liquan Jing, Devis Di Tommaso, Rachel Crespo‐Otero, Md Golam Kibria, Jinguang Hu

Notice bibliographique

RevueACS Catalysis · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueCatalysis for Biomass Conversion
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésCelluloseChemistryArabinoseOxygenFormic acidOxidative phosphorylationRadicalCarbon fibersOrganic chemistryMaterials scienceBiochemistryXylose

Résumé

récupéré en direct d'OpenAlex

Biomass photorefining is a promising strategy to address the energy crisis and transition toward carbon carbon-neutral society. Here, we demonstrate the feasibility of direct cellulose photorefining into arabinose by a rationally designed oxygen-doped polymeric carbon nitride, which generates favorable oxidative species (e.g., O 2 –, • OH) for selective oxidative reactions at neutral conditions. In addition, we also illustrate the mechanism of the photocatalytic cellulose to arabinose conversion by density functional theory calculations. The oxygen insertion derived from oxidative radicals at the C1 position of glucose within cellulose leads to oxidative cleavage of β-1,4 glycosidic linkages, resulting in the subsequent gluconic acid formation. The following decarboxylation process of gluconic acid via C1–C2 α-scissions, triggered by surface oxygen-doped active sites, generates arabinose and formic acid, respectively. This work not only offers a mechanistic understanding of cellulose photorefining to arabinose but also sets up an example for illuminating the path toward direct cellulose photorefining into value-added bioproducts under mild conditions.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,200 · 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'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

Citations45
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS CatalysisMême sujetCatalysis for Biomass ConversionTravaux en français237 207