Using Nickel as a Catalyst in Ammonium Thiosulfate Leaching for Gold Extraction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The use of copper as a catalyst for gold leaching in ammonium thiosulfate solution might cause the high consumption of thiosulfate. Also, the high copper consumption is resulted in the zinc precipitation process for recovering the gold from the pregnant solution. In this investigation, nickel was used as a catalyst to minimize the reagent consumption. On a 100 mass%-75 μm of silicate type gold ore containing 16 g/t Au and 0.2 mass% of Fe and C, the nickel catalyzed ammonium thiosulfate solution could extract 95% of gold with the 1.2 kg/t-ore of ammonium thiosulfate consumption in 24 hours at the most favorable reagent combination of 0.0001 mol/dm3 NiSO4, 0.05 mol/dm3 (NH4)2S2O3 and 0.5 mol/dm3 NH4OH at pH9.5, while the standard cyanidation at 0.02 mol/dm3 (1.0 g/dm3) NaCN consumed around 1.5 kg/t-ore NaCN. In the concentration range of 0.0001∼0.005 mol/dm3 Ni2+, the ammonium thiosulfate consumption was 1∼5 kg/t-ore, while the ammonium thiosulfate consumption of copper catalyzed lixiviant was greatly increased from 3 kg/t-ore to 21 kg/t-ore as the increase of Cu2+ concentration from 0.0001 mol/dm3 to 0.001 mol/dm3. The feasibility of recycling barren solution was confirmed with zinc precipitation at nearly 100% of gold recovery. Nickel consumption on the cementation process was less than 50%. For extracting gold from the copper bearing sulfide ore, a higher ammonia and thiosulfate concentrations were required with 0.0001 mol/dm3 of Ni2+. The ammonium thiuosulfate consumption with nickel as catalyst on the copper bearing sulfide ore was about 1∼5 kg/t-ore less than that using copper as 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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