Caractérisation chimique des fractions aromatiques issues de la dépolymérisation basique de la lignine
Bibliographic record
Abstract
Depuis 2010, le règlement canadien sur les carburants renouvelables a été mis en place afin de réduire la consommation de pétrole de source fossile en imposant une teneur d'au moins 5% en carburant renouvelable dans l'essence et de 2% de biodiesel dans le diesel disponible sur le marché. L'éthanol cellulosique représente l'une des voie envisagée ayant un fort potentiel, celui-ci pouvant être produit de différentes façons à partir de la biomasse. Une des façons d'y arriver consiste à séparer la biomasse en ses principaux composants, la cellulose (30-60%), les hémicelluloses (15-35%) et la lignine (14-35%). Les deux premières fractions sont récupérées pour la production de l'éthanol cellulosique, alors que la lignine est laissée de côté vu les défis qu'elle représente sur le plan industriel (récalcitrance aux procédés chimiques, contamination, etc.). Cependant, comme elle représente une source de carbone importante, renouvelable et peu dispendieuse, des efforts significatifs ont été déployés afin de la revaloriser. C'est dans ce but qu'un procédé de conversion de la lignine en L-fuels (Lignin derived fuels ) a été développé par le Laboratoire des Technologies de la Biomasse (LTB) et ses partenaires. Toutefois, une grande incertitude persiste quant aux mécanismes chimiques impliqués et aux sous-produits formés, freinant ainsi l'optimisation du procédé. La compréhension du point de vue chimique du procédé dans son ensemble représente donc un défi à relever et constitue l'essentiel de ce projet. Il s'agit d'une étape charnière pour la valorisation de cette macromolécule, mais aussi pour la valorisation de la biomasse dans son ensemble en vue de produire des biocarburants de seconde génération. La lignine représente un des verrous technologiques principaux de la production d'éthanol de deuxième génération. Dans un premier temps, l'un des objectifs était de parvenir à développer des outils analytiques afin d'analyser et de suivre chacune des étapes d'un procédé de conversion de la lignine, essentiellement pour la dépolymérisation basique de la lignine (BCD). D'abord, les protocoles pour la préparation des échantillons ont été développés, puis les paramètres instrumentaux ont été définis afin de séparer et analyser efficacement les molécules produites dans chaque fraction. Une méthode d'extraction des monomères phénoliques a été développée, permettant d'obtenir les résultats de quantification dans un délai très court, tout en tenant compte des critères de développement des procédés analytiques appliqués au procédé (PAT) en nécéssitant un minimum de manipulation, d'équipement et de consommable. La fraction riche en oligomères a été caractérisée par chromatographie d'exclusion stérique (SEC). Des efforts ont été consacrés au couplage de la SEC à la spectrométrie de masse afin de s'affranchir d'une calibration imprécise et permettre d'obtenir les masses exactes des fragments. Finalement, un ensemble de techniques analytiqes a été développé afin d'effectuer un suivi exhaustif des produits et sous-produits obtenus par un autre procédé de dépolymérisation de la lignine, soit l'ozonolyse. Ceci a permis de valider l'efficacité et la versatilité des protocoles développés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".