MétaCan
Menu
Retour à la cohorte
Enregistrement W2315106245 · doi:10.2172/1116552

Preparation of High Purity, High Molecular-Weight Chitin from Ionic Liquids for Use as an Adsorbate for the Extraction of Uranium from Seawater

2013· report· en· W2315106245 sur OpenAlexaboutno aff
Robin D. Rogers

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineSocial Sciences
ThématiqueForensic Fingerprint Detection Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUraniumChitinSeawaterExtraction (chemistry)NanofiberIonic liquidRaw materialChemical engineeringChemistryEnvironmental sciencePulp and paper industryWaste managementNanotechnologyMaterials scienceChromatographyMetallurgyOrganic chemistryGeologyChitosanEngineeringCatalysisOceanography

Résumé

récupéré en direct d'OpenAlex

Ensuring a domestic supply of uranium is a key issue facing the wider implementation of nuclear power. Uranium is mostly mined in Kazakhstan, Australia, and Canada, and there are few high-grade uranium reserves left worldwide. Therefore, one of the most appealing potential sources of uranium is the vast quantity dissolved in the oceans (estimated to be 4.4 billion tons worldwide). There have been research efforts centered on finding a means to extract uranium from seawater for decades, but so far none have resulted in an economically viable product, due in part to the fact that the materials that have been successfully demonstrated to date are too costly (in terms of money and energy) to produce on the necessary scale. Ionic Liquids (salts which melt below 100{degrees}C) can completely dissolve raw crustacean shells, leading to recovery of a high purity, high molecular weight chitin powder and to fibers and films which can be spun directly from the extract solution suggesting that continuous processing might be feasible. The work proposed here will utilize the unprecedented control this makes possible over the chitin fiber a) to prepare electrospun nanofibers of very high surface area and in specific architectures, b) to modify the fiber surfaces chemically with selective extractant capacity, and c) to demonstrate their utility in the direct extraction and recovery of uranium from seawater. This approach will 1) provide direct extraction of chitin from shellfish waste thus saving energy over the current industrial process for obtaining chitin; 2) allow continuous processing of nanofibers for very high surface area fibers in an economical operation; 3) provide a unique high molecular weight chitin not available from the current industrial process, leading to stronger, more durable fibers; and 4) allow easy chemical modification of the large surface areas of the fibers for appending uranyl selective functionality providing selectivity and ease of stripping. The resulting sorbent should prove economically feasible, as well as providing an overall net energy gain.

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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,052
Tête enseignante GPT0,400
Écart entre enseignants0,348 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForensic Fingerprint Detection MethodsTravaux en français237 207