MétaCan
Menu
Retour à la cohorte
Enregistrement W2514592920 · doi:10.1002/jrs.5011

Shell‐isolated nanoparticle‐enhanced Raman spectroscopy characterization of oxide ores during thiosulfate‐mediated gold leaching

2016· article· en· W2514592920 sur OpenAlexafffund
Scott R. Smith, Janet Y. Baron, Yeonuk Choi, Jacek Lipkowski

Notice bibliographique

RevueJournal of Raman Spectroscopy · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensBarrick Gold (Canada)University of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBarrick Gold Corporation
Mots-clésThiosulfateLeaching (pedology)Raman spectroscopyPolysulfideOxideChemistryMetalInorganic chemistryDissolutionNanoparticleElectrolyteSulfurMaterials scienceNanotechnologyElectrodeOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

An applied approach for in situ characterization of oxide ore samples exposed to a thiosulfate‐based leaching solution with shell‐isolated nanoparticle‐enhanced Raman spectroscopy (SHINERS) is discussed. Differences in passive layer growth during thiosulfate leaching were observed in the SHINERS spectra between the untreated and pressure oxidation (POX)‐treated oxide ore samples received from Barrick Gold Corporation. The SHINERS spectra revealed that the passive layer at the untreated oxide ore–electrolyte interface contains metal sulfides and significant quantities of polysulfide chains of variable lengths after longer exposure to the leaching solution. However, the passive layer observed with the POX‐treated sample was found to be predominantly metal sulfides with only a small quantity of polysulfide chains. From these results, it was concluded that the POX pretreatment process may successfully destroy or inactivate minerals found in the ore that are responsible for catalysing thiosulfate decomposition into polysulfides which results in low gold extraction efficiencies. Copyright © 2016 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,021
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,215
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Raman SpectroscopyMême sujetMetal Extraction and BioleachingTravaux en français237 207