MétaCan
Menu
Retour à la cohorte
Enregistrement W2756371330

Thessally Resources view prospects in Australia's magnesite market

2014· article· en· W2756371330 sur OpenAlexaboutno aff
Andrew Scogings, Matthew Barnett

Notice bibliographique

RevueIndustrial Minerals · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMagnesiteDolomiteUltramafic rockCalcinationMineralogyTonneMagnesiumGeologyGeochemistryEnvironmental scienceChemistryMetallurgyMaterials scienceGeographyArchaeologyCatalysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Magnesite is the mineral name for MgCO[subscript]3 with a theoretical MgO content of 47.8% MgO and 52.2% CO[subscript]2. Deposits of magnesite are of two main types; (i) macrocrystalline or sparry rocks (Wilson, 2013) where Mg solutions have altered dolomite to magnesite, and (ii) cryptocrystalline magnesite replacing ultramafic rocks within the weathered profile. Other types of magnesite, such as sedimentary beds, crystalline magnesite replacement in ultramafic rocks and saline brines, do occur but are of secondary significance from an economic point of view. Also a pure form of magnesia (MgO) is produced from sea water. In 2012 USGS data shows world production capacity of CCM as 2.72m tonnes MgO and DBM as 7.64m tonnes MgO (Bray, 2012). Australia's share of this production capacity in 2012 was 8% CCM and 1.4% DBM. China dominates the supply of CCM with 53% of production capacity. Russia (3.4%), Spain (5.5%), and Brazil and Canada (3.5%) are other significant CCM producers, according to the USGS. As the main products from magnesite mines are in the calcined MgO form, this is how the product specifications are quoted. For CCM produced from natural magnesite the range of MgO is 85-95%, with 85-90% MgO being the typical range for animal feeds and fertilisers and 90-95% MgO for bulk industrial applications such as construction and paper processing.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0050,001

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 Opus0,050
Tête enseignante GPT0,232
Écart entre enseignants0,182 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial MineralsMême sujetGeological and Geophysical StudiesTravaux en français237 207