MétaCan
Menu
Retour à la cohorte
Enregistrement W1873683794 · doi:10.1201/b18124-7

Microbial Extraction of Uranium from Ores

2015· book-chapter· en· W1873683794 sur OpenAlexaboutno aff
Abhilash

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUraniumExtraction (chemistry)Uranium oreMetallurgyRadiochemistryGeologyEnvironmental scienceMining engineeringChemistryMaterials scienceChromatography

Résumé

récupéré en direct d'OpenAlex

The continued depletion of high-grade ores and growing awareness of environmental degradation associated with the traditional methods have provided impetus to explore simple, efcient and less polluting biological methods in uranium mining, processing, and waste water treatments (Torma, 1983; Bosecker, 1990). Hydrometallurgical methods have some disadvantages such as poor recovery, involvement of high process and energy cost, and increases in the pollution load of water resources (Bruynesteyn, 1989; Dwivedy and Mathur, 1995). Uranium could also be recovered by microorganisms that catalyse the oxidation and reduction of uranium and associated metals also, and hence inuence their mobility in the environment. Industrial-scale bioleaching of uranium is carried out by spraying stope walls with acid mine drainage and the in situ irrigation of fractured underground ore deposits. The recent upsurge of interest in this area is motivated by the fact that it is simple, effective, and potentially a relatively lessexpensive process involving low-energy that is environmentally benign; this is due to the uranium solubilising and accumulating properties of certain microorganisms. Besides, its industrial application to ensure the supply of raw material for producing energy, microbial leaching has a denite potential for remediation of mining sites, treatment of wastes and detoxication of sewage sludge (Brierley and Brierley, 1999). The commercial application of bioleaching of uranium from low-grade ores has been practiced since the 1960s. The seven leading uranium-producing countries in descending order are Canada, Australia, Niger, the Russian Federation, Kazakhstan, Namibia and Uzbekistan. Currently, the two largest producers, namely, Canada and Australia alone account for over 50% of global uranium production. In regard to bioleaching, Canada produced about 70,000 lb of U3O8 in 1977 at Agnew Lake Mine, Ontario, Canada from its ore using Acidithiobacillus ferrooxidans (A. ferrooxidans) (McCready and Gould, 1990). Commercial scale experience has been limited to the operations at Denison’s Elliot Lake, Ontario, Canada in the 1980s and the dump bioleaching at the Gibraltar Mine, British Columbia. The presence of microorganisms in leaching operations has been found to be benecial in catalysing the uranium dissolution process (Brierley, 1997; Brierley and Brierley, 1999). Currently, this technology is applied on a commercial scale not only for the recovery of uranium but also for extraction of copper, nickel, gold and so forth through heap, dump and in situ leach techniques (Torma, 1983; Torma and Banhegyi, 1984; Mwaba, 1991; Elshafeea et al., 2014). The process ow sheet for the bioleaching of uranium is shown in Figure 3.1.

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)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,237
Écart entre enseignants0,205 · 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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMetal Extraction and BioleachingTravaux en français237 207