MétaCan
Menu
Retour à la cohorte
Enregistrement W2490418899 · doi:10.5539/jmsr.v5n4p1

Performance of Sulfuric Acid Leaching of Titanium from Titanium-Bearing Electric Furnace Slag

2016· article· en· W2490418899 sur OpenAlexvenueno aff
Xiaoming Qu, Yufeng Guo, Fuqiang Zheng, Tao Jiang, Guanzhou Qiu

Notice bibliographique

RevueJournal of Materials Science Research · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensnon disponible
Organismes subventionnairesProgram for New Century Excellent Talents in UniversityChina Scholarship Council
Mots-clésSulfuric acidLeaching (pedology)TitaniumMaterials scienceMetallurgyNuclear chemistryGround granulated blast-furnace slagChemistryCement

Résumé

récupéré en direct d'OpenAlex

<p class="1Body">The sulfuric acid leaching of titanium from titanium-bearing electric furnace slag (TEFS) was investigated under different experimental conditions. In the sulfuric acid leaching process, the M<sub>x</sub>Ti<sub>3-x</sub>O<sub>5</sub>(0≤x≤2) and diopside could react with sulfuric acid. The optimum conditions of sulfuric acid leaching process were particle size at < 0.045mm, sulfuric acid concentration at 90 wt.%, acid/slag mass ratio at 1.6:1, feeding temperature at 120 °C, reaction temperature at 220 °C, reaction time at 120minute, curing at 200°C for 120 minute. The [TiO<sub>2</sub>] concentration of the water leaching was 150 g/L, and leaching temperature at 60℃for 120 minute. Ti extraction could reach 84.29 %. F of titanium-bearing solution was 2.15, and the Ti<sup>3+</sup>/TiO<sub>2</sub> of the titanium-bearing solution was 0.068. The TiO<sub>2</sub> content of the leaching residue was 18.32 wt.%. The main mineral phases of the leaching residue were calcium sulphate, spinel, diopside and little M<sub>x</sub>Ti<sub>3-x</sub>O<sub>5</sub>.</p>

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 enseignants0,003
Score d'incertitude au seuil0,006

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,320
Écart entre enseignants0,274 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Science ResearchMême sujetMetal Extraction and BioleachingTravaux en français237 207