Optimization of Biomass Delignification by Extrusion and Analysis of Extrudate Characteristics
Notice bibliographique
Résumé
Pretreatment of lignocellulosic biomass remains the primary obstacle to the profitable use of this type of biomass in biorefineries. The challenge lies in the recalcitrance of the lignin-carbohydrate complex to pretreatment, especially the difficulty in removing the lignin to access the carbohydrates (cellulose and hemicellulose). This study had two objectives: (i) to investigate the effect of reactive extrusion on lignocellulosic biomass in terms of delignification percentage and the structural characteristics of the resulting extrudates, and (ii) to propose a novel pretreatment approach involving extrusion technology based on the results of the first objective. Two types of biomasses were used: agricultural residue (corn stover) and forest residue (black spruce chips). By optimizing the extrusion conditions via response surface analysis (RSA), the delignification percentages were significantly improved. For corn stover, the delignification yield increased from 2.3% to 27.4%, while increasing from 1% to 25.3% for black spruce chips. The highest percentages were achieved without the use of sodium hydroxide and for temperatures below 65 °C. Furthermore, the optimized extrudates exhibited important structural changes without any formation of p-cresol, furfural, and 5-hydroxymethylfurfural (HMF) (enzymes and microbial growth-inhibiting compounds). Acetic acid however was detected in corn stover extrudate. The structural changes included the disorganization of the most recalcitrant functional groups, reduction of particle sizes, increase of specific surface areas, and the appearance of microscopic roughness on the particles. Analyzing all the data led to propose a new promising approach to the pretreatment of lignocellulosic biomasses. This approach involves combining extrusion and biodelignification with white rot fungi to improve the enzymatic hydrolysis of carbohydrates.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».