MétaCan
Menu
← Back to cohort
Record W7055514427

Compréhension et optimisation des procédés de caractérisation physico-chimiques de la biomasse

2022· other· fr· W7055514427 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2022
Typeother
Languagefr
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsValorisationEnvironmental policySugar industryCost analysisPollution preventionEnvironmental impact assessment
DOInot available

Abstract

fetched live from OpenAlex

En 2015, dans le cadre de l’Accord de Paris, le Canada s’est engagé à réduire de 30% par rapport à 2005 ses émissions de gaz à effet de serre et ce, avant 2030 (Environnement et Changement climatique Canada, 2015). Les principaux secteurs responsables de l’augmentation des émissions des GES au Canada sont l’exploitation pétrolière et le secteur des transports, qui ont respectivement contribué à 26,22% et 25,46% des émissions de GES en 2019 (Environnement et Changement climatique Canada, 2019). Afin de respecter ses engagements, le Canada pourrait s’orienter vers des alternatives renouvelables. Parmi toutes les énergies renouvelables qu’il serait possible d’exploiter, la biomasse lignocellulosique issue des résidus forestiers et agricoles présente un grand potentiel vu la grande superficie de forêts et de terres cultivables au pays. Au Laboratoire des Technologies de la Biomasse, de nombreux travaux de recherche sont basés sur la valorisation de la biomasse en biocombustibles renouvelables et biocommodités. Toutefois, les biomasses doivent d’abord être caractérisées pour connaître leur composition en composés structuraux, soit la lignine, la cellulose et les hémicelluloses. En effet, la voie de valorisation des biomasses lignocellulosiques ainsi que son coût vont dépendre de la proportion de chacune de ces macromolécules. La caractérisation de la biomasse représente donc une étape fondamentale en amont des processus de valorisation de la biomasse lignocellulosique. La composition chimique de la biomasse est déterminée à l’aide d’analyses gravimétriques et le présent projet consiste en premier lieu à évaluer chacune des étapes. En effet, ces analyses gravimétriques ne permettent pas toujours d’obtenir un bilan de masse sur base sèche qui satisfait le critère analytique de 100 ± 3% recherché en laboratoire. Plusieurs hypothèses ont été investiguées et en particulier celle de la caractérisation incomplète. En second lieu, ce projet vise également l’optimisation de la procédure de caractérisation actuellement employée dans le monde de la recherche comme dans l’industrie. La technique d’extraction actuelle au Soxhlet, utilisée pour extraire les extractibles de la biomasse, soit l’étape initiale de la caractérisation de la biomasse, nécessite plusieurs jours. Le remplacement de cette technique, par l’utilisation de l’extraction accélérée par solvants, pourrait permettre de réduire de cinq jours à quelques heures cette étape. La procédure de caractérisation nécessiterait alors environ cinq à sept jours pour être complétée plutôt qu’une douzaine de jours. L’atteinte de ces objectifs permettrait une caractérisation de la biomasse plus efficace, plus économique et plus verte par la réduction des ressources utilisées.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.055
Threshold uncertainty score0.108

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.012
GPT teacher head0.235
Teacher spread0.223 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Same topicMagnetic confinement fusion research→French-language works237,207→