MétaCan
Menu
Retour à la cohorte
Enregistrement W7027160216

BETSY - BioEthanol from Synthesis Gas. Production of Ethanol from Solid Non-food Biomass via Thermochemical Route: Presentation held at 3rd International Symposium on Gasification and its Application, Vancouver, Canada, October 14th-17th, 2012

2012· other· en· W7027160216 sur OpenAlexaboutno aff

Notice bibliographique

RevueFraunhofer-Publica (Fraunhofer-Gesellschaft) · 2012
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)SyngasBiofuelMethanolEthanol fuelPilot plantCatalysisLignocellulosic biomass
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The process of producing bio-ethanol from non-food lignocellulosic biomass in industrial scale consists of biomass gasification, synthesis gas cleaning, gas compression, synthesis gas conversion to ethanol and product stream make-up. While gasification, synthesis gas cleaning and product stream make-up can be made up from state-of-the-art technology, synthesis gas conversion to ethanol needs further investigation concerning improved catalysts and process conditions. Catalyst development is done by project partner by modifying the preparation process of a methanol catalyst thereby adding Fischer-Tropsch functionality to create the C-C bond. Samples of new catalysts will be tested in a small reactor (capacity 1 g) and afterwards promising catalysts will be tested in a pilot plant fixed bed r eactor (capacity 30 g). The reactors are fed with a mixture of H2, CO, CO2 from bottles. The small reactor is equipped with an online GC/MS-FID system for the analysis of the reactor effluent. At the reactor exit of the pilot plant, the gas is cooled down and the condensate is separated from the remaining gas. The gas is expanded and analyzed for H2, CO, CO2 and CH4 in an online IR-system. The liquid product is analyzed offline with GC/FID.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0030,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFraunhofer-Publica (Fraunhofer-Gesellschaft)Travaux en français237 207