MétaCan
Menu
Retour à la cohorte
Enregistrement W4402146204 · doi:10.1002/aenm.202401838

Roles of Cocatalysts in Biomass Photo(electro)refining

2024· article· en· W4402146204 sur OpenAlexafffund
Zheng Li, Wenping Li, Jiu Wang, Liquan Jing, Pandeng Li, Hongguang Zhang, Yingying Fan, Hui Wang, Zhangxin Chen, Jinguang Hu

Notice bibliographique

RevueAdvanced Energy Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésMaterials scienceRefining (metallurgy)Biomass (ecology)PhotocatalysisNanotechnologyChemical engineeringOrganic chemistryCatalysisMetallurgyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Photosynthesis converts solar energy, carbon dioxide, and water into biomass, offering a renewable energy and chemical source. Biomass photo(electro)refining (BPeR) emerges as a sustainable alternative to petrochemicals for fuel and chemical production. However, BPeR faces challenges due to photocatalyst limitations, necessitating the integration of cocatalysts. Cocatalysts significantly impact the efficiency, selectivity, and durability of BPeR reactions, yet their roles require systematic elucidation and understanding. This review explores how cocatalysts impact the carbon bond functionalization, cleavage, and formation in biomass and its derivatives. It discusses their crucial roles in charge carrier generation, separation, and transportation, particularly in catalyzing surface reactions such as hydrogen‐involved reactions, generation, and manipulation of oxygen or carbon radicals, and the C─C/O/H bond transformations. Additionally, it outlines challenges and prospects for developing cocatalysts to enhance BPeR efficiency and durability, boosting the viability of biomass as a sustainable source of energy and materials.

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 enseignants0,034
Score d'incertitude au seuil0,430

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 Opus0,006
Tête enseignante GPT0,228
Écart entre enseignants0,222 · 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

Citations14
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Energy MaterialsMême sujetMetal Extraction and BioleachingTravaux en français237 207