The development of statistical <scp>ToF</scp> ‐ <scp>SIMS</scp> applied to minerals recovery by froth flotation
Notice bibliographique
Résumé
The role of surface chemistry in recovery of minerals is central to several processes such as froth flotation, leaching, and electrostatic separation. In separation of base metals (eg, Cu, Pb, Zn, and Ni) by froth flotation of their minerals, usually sulphides, the attachment of these mineral particles, after hydrophobic collector addition, to air bubbles is used in operation. The stability of this bubble/particle attachment in both pulp and froth phases is dependent on the hydrophobic/hydrophilic ratio of surface species on individual mineral particle surfaces. The surfaces of individual mineral particles are a complex, distinctly non‐uniform array of hydrophobic collector molecules and hydrophilic species (eg, oxidation products, adsorbed ions, fine particles, and precipitates). Hence, this ratio varies widely between different particles of the same mineral. It has been shown to determine whether particles report, correctly or incorrectly, to concentrate or tail (residue). To improve poor flotation recovery or grade, the analysis needed is the variation of this ratio by particle and as a statistical distribution between different mineral phases across a flotation circuit (eg, feed, successive concentrates, and tails). This requires surface analysis of a large number of particles with high spatial resolution and chemical speciation. In this Surface Science Western special issue article, methods to achieve this, using time‐of‐flight secondary ion mass spectrometry and principal component analysis, developed between the Ian Wark Research Institute and Surface Science Western over 25 years are reviewed with applications to flotation. They are equally applicable to interferences in leaching, extraction, and electrostatic separation processes. Copyright © 2017 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».