Electrocatalytic Glucose Upgrading by Sulfonated Carbon for Sustainable Manufacturing
Notice bibliographique
Résumé
Abstract In a sustainable economy, manufacturing is based on renewable raw materials like biomass instead of nonrenewable ones like petroleum. This work is a step toward that goal: we studied the transformation of glucose into industrial raw materials through electro‐oxidation with sulfonated carbon catalyst. Sulfonated carbon has been used as a thermocatalyst for glucose conversion, but until now it has not been used as an electrocatalyst. We identified nine products (oxalic acid, gluconic acid, tartaric acid, maleic acid, glycolic acid, arabinose, formic acid, acetic acid, and 5‐hydroxymethylfurfural), whereas glucose electrocatalysis yields that were published by others report five products or less. The optimal conditions in our experiments are a sulfonated carbon catalyst at + 1.5 V versus Ag/AgCl of applied potential and 2 h of oxidation time in 0.5 M K 2 CO 3 electrolyte. At that condition, the product yields are 16.3% for formic acid, 5.8% for acetic acid, 4.9% for glycolic acid, 4.6% for 5‐hydroxymethylfurfural, 1.6% for oxalic acid, 1.5% for tartaric acid, 1.4% for arabinose, and 1.1% for gluconic acid, for a total of 37.2% for the identified products. The next step is to explore whether sulfonated carbon electro‐oxidation can convert cellulose (a polymer of glucose) into those identified products.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».