Technospheric Mining of Rare Earth Elements from Bauxite Residue (Red Mud): Process Optimization, Kinetic Investigation, and Microwave Pretreatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Some rare earth elements (REEs) are classified under critical materials, i.e., essential in use and subject to supply risk, due to their increasing demand, monopolistic supply, and environmentally unsustainable and expensive mining practices. To tackle the REE supply challenge, new initiatives have been started focusing on their extraction from alternative secondary resources. This study puts the emphasis on technospheric mining of REEs from bauxite residue (red mud) produced by the aluminum industry. Characterization results showed the bauxite residue sample contains about 0.03 wt% REEs. Systematic leaching experiments showed that concentrated HNO 3 is the most effective lixiviant. However, because of the process complexities, H 2 SO 4 was selected as the lixiviant. To further enhance the leaching efficiency, a novel process based on microwave pretreatment was employed. Results indicated that microwave pretreatment creates cracks and pores in the particles, enabling the lixiviant to diffuse further into the particles, bringing more REEs into solution, yielding of 64.2% and 78.7% for Sc and Nd, respectively, which are higher than the maximum obtained when HNO 3 was used. This novel process of “H 2 SO 4 leaching-coupled with-microwave pretreatment” proves to be a promising technique that can help realize the technological potential of REE recovery from secondary resources, particularly bauxite residue.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle