Compréhension et optimisation des procédés de caractérisation physico-chimiques de la biomasse
Bibliographic record
Abstract
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 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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".