Modelling Fischer–Tropsch synthesis: A review of applications using genetic algorithms and hybrid GA–based models
Notice bibliographique
Résumé
The global transition toward sustainable energy production has intensified interest in clean fuel technologies derived from renewable organic materials, including biomass. Fischer–Tropsch synthesis (FTS) plays a crucial role in this shift as a key part of converting coal, natural gas, and biomass into transportation fuels and long-chain hydrocarbons, such as diesel and waxes. However, optimising the FTS process is highly challenging due to its sensitivity to multiple operational parameters, including temperature, pressure, gas flow rate, reactant ratio, catalyst type, and formulation method. Traditional deterministic models struggle to effectively capture the complex reaction mechanisms underlying FTS, as multiple pathways act simultaneously with varying influence depending on catalyst properties and process conditions. To address these limitations, this review explores how genetic algorithms (GA), inspired by the process of natural selection, have been used to optimise the FTS process. It also discusses hybrid GA–based models, which combine GA with other techniques to enhance optimisation performance and modelling accuracy. It provides a detailed overview of the mathematical foundations of GA, illustrating their ability to navigate high-dimensional, multi-variable optimisation landscapes and capture non-linear interactions in process modelling. A comprehensive analysis of research published between 2000 and 2025 sourced from databases including Scopus, Google Scholar, IEEE Xplore, and Springer focuses on identifying the key variables affecting FTS optimisation and modelling problems and demonstrating how GA and its hybrid extensions have been leveraged to optimise process conditions, particularly in terms of CO conversion, product selectivity, and hydrocarbon yield. By synthesising recent advancements and critically evaluating the strengths and limitations of GA-driven methodologies, this review highlights the potential of GA-based optimisation frameworks in advancing FTS modelling. Moreover, in alignment with the sustainability objectives of the Paris Agreement 2050, these advanced computational strategies offer promising pathways for developing more efficient, environmentally friendly, and scalable catalytic systems in energy production.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».