Chemo-enzymatic treatment of mechanical pulping: An efficient method for energy reduction and pulp strengthening
Notice bibliographique
Résumé
Conventional mechanical pulping faces critical challenges of high energy intensity (1200–2000 kWh/t) and compromised fiber quality, driving demand for innovative solutions to balance energy efficiency with performance. This study established a chemo-enzyme synergistic pretreatment system and elucidated its effects on refining energy consumption and pulp properties in eucalyptus mechanical pulping through multiscale characterization (SEM, XRD, XPS, HSQC NMR). By optimizing the synergistic pretreatment with NaOH (6 %) and cellulase (10 FPU/g), refining energy consumption was significantly reduced to 765.11 kWh/t, achieving energy savings of 40.99 % and 33.99 % compared to conventional mechanical pulp (MP) and chemical-mechanical pulp (C-MP), respectively. Alkaline pretreatment dissolved 20.33 % of hemicellulose and 7.02 % of lignin, cleaving ester bonds in lignin-carbohydrate complexes (LCC) and breaking β-O-4 lignin linkages (9.7 % reduction quantified by NMR), while increasing the syringyl/guaiacyl (S/G) ratio from 2.02 to 3.05, thereby enhancing cellulose accessibility for enzyme pretreatment. Subsequent enzyme pretreatment hydrolyzed 25.59 % of cellulose and 22.07 % of hemicellulose, promoting S1-S2 layer delamination of cellulose fiber wall during refining. Enzyme pretreatment shortened fiber length and increased fiber fines content, but it results in significant increases in tensile strength and burst index for the bio-chemical-mechanical pulp (B-MP) compared to MP, respectively. The synergistic "softening-enzymolysis" mechanism enabled the targeted deconstruction of dense fiber structures, establishing a theoretical foundation for low-energy dissociation of lignocellulosic feedstocks. • Alkali pretreatment enhances the accessibility of cellulase. • Enzymes liberate cellulose and hemicellulose, separating the wood S1-S2 layers. • Alkali-enzyme synergy shows major energy savings. • Multi-scale characterization reveals alkali-enzyme synergy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».