Unraveling one pot lactose conversion to lactic acid and HMF over Sn-Er/ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline" id="d1e1249" altimg="si26.svg"> <mml:mi>γ</mml:mi> </mml:math> -Al2O3
Notice bibliographique
Résumé
Residual whey permeate from cheese making contains 5 % lactose, and so is a potential feedstock for platform chemicals like lactic acid (LA), and hydroxymethylfurfural (HMF). Lactose hydrolyzes to glucose, and galactose monosaccharides as the first step followed by isomerization to fructose. Fructose either dehydrates to yield HMF or converts to C3 intermediates (glyceraldehyde, dihydroxyacetone) through a retro-aldol condensation. Those intermediates dehydrate to form α , β -unsaturated species, which convert to pyruvaldehyde (PVA) through keto-enol tautomerization. Adding one molecule of water leads to the formation of a diol, which tautomerizes to form LA. Heterogeneous catalysts come as a potential economic alternative to enzymes and homogeneous catalysts, with lower capital requirements (smaller reactors), and fewer separation steps. Here, an erbium catalyst (0.15 g g −1 Er) on a γ -Al 2 O 3 support we synthesized, converted all the lactose at 170 °C, and lactic acid reached a maximum yield of 23 % after 30 min, at 70 rpm. XRF, XRD and XPS confirmed that metallic active sites (Sn and Er) successfully incorporated the γ -Al 2 O 3 in their oxide form. SEM-EDS and BET revealed that Sn is mainly at the surface of the support, while Er is embedded in the core, below Al, and O. Monometallic Er catalyst was more active than bimetallic Sn-Er catalyst, due to a hindering of Er species by Sn oxide at the surface. Experimental data matched with a model, which captures the reaction dependency on time, temperature, and metal loading, to form lactic acid. This study highlights the role of tin, erbium and operation parameters in the complex mechanism of lactose to lactic acid, and hydroxymethylfurfural.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».