MétaCan
Menu
← Retour à la cohorte
Enregistrement W7132225711

Catalytic hydrothermal gasification of plastic

2020· other· en· W7132225711 sur OpenAlexvenueno aff
S. Lotfi, O. Itimi-Elo

Notice bibliographique

RevueNPARC · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupercritical fluidCatalysisIncinerationHydrothermal circulationHydrogenSelectivityCarbon fibersMethane
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Plastic pollution has become one of the main environmental problems that afflict land, waterways and oceans. Currently, about 141 megatonnes (Mt) of plastic wastes are produced annually in the world, while only about 13% of those are recycled. The great majority of plastic wastes are incinerated or dumped, which pollutes the environment. Remanufacturing or recycling is a way to reduce plastic waste, but plastics cannot be recycled endlessly. Forty percent of plastic wastes have a short life time and are contaminated with residues or contain an abundance of water. However, these contaminated plastic wastes can be converted to energy. As plastics are petrochemicals, conversion of plastic wastes to carbon free hydrogen (H₂) and other solid chemicals will not only protect the environment but also reduce greenhouse gas (GHG) emissions compared to converting plastic wastes to liquid fuel. Catalysts help to improve the product selectivity toward hydrogen or other chemicals. In this project, an experimental investigation on catalytic hydrothermal conversion of plastics to hydrogen under a supercritical water condition was carried out. Hydrothermal conversion is suitable for feedstocks with high water content, and supercritical water is able to dissolve organics. The effect of catalysts that have high selectivity toward hydrogen production was investigated. The results reveal that without a catalyst, only CO₂ was observed in the produced gas. Alkaline metals NaOH and KOH yielded gas with H₂ selectivity of 74.4% and 44.3%, respectively. More CO than H₂ vol% was formed when Raney®-Nickel 2800 was used as catalyst. Liquid selectivity also varied significantly with changing the catalyst.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,239
Écart entre enseignants0,221 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNPARC→Travaux en français237 207→