Optimizing Biomass Conversion Routes for Sustainable Chemical Production.
Notice bibliographique
Résumé
This research focuses on shifting vital chemical production from fossil fuels to renewable alternatives, \nparticularly through biomass-based pathways. Promising methods using agricultural waste show \npotential for sustainable production, contributing to a resilient, resource-conscious future for the \nchemical sector and supporting climate targets through innovative bio-based solutions. The current \nresearch focuses on utilizing bio-based production routes, particularly biochemical pathways \noriginating from agricultural biomass to derive bio-polyethylene. Six production pathways are analyzed \nbase on different pretreatment methods: dilute acid, hot water, ammonia fiber explosion, steam \nexplosion, organic solvent and alkaline. The primary objective is to provide a decision support system \namong the available process options and identify promising integrated production routes based on costs, \nresources, and energy demands inherent in these processes. This evaluation is conducted using mixed�integer linear programming modeling techniques, which enables the selection of technologies from a \nbroader range of production routes and optimizes their integration. The results from this modeling \nindicate that the dilute acid pretreatment production route proves to be the most cost-efficient, followed \nby steam explosion. The findings offer valuable insights into variations in primary resource usage and \nenergy demands based on the pretreatment methods employed to yield the final product. Investment \ncosts associated with each process unit facilitate a comparative economic analysis and highlight avenues \nfor potential cost reduction. This approach aids in assessing the feasibility and advantages of various \nbio-based processes toward industrial production, to be complemented by thorough environmental \nassessment in future work.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».