MétaCan
Menu
Retour à la cohorte
Enregistrement W2898276196 · doi:10.1021/acssuschemeng.8b03992

Aeriometallurgical Extraction of Rare Earth Elements from a NdFeB Magnet Utilizing Supercritical Fluids

2018· article· en· W2898276196 sur OpenAlexafffund
Jiakai Zhang, John Anawati, Yuxiang Yao, Gisele Azimi

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSupercritical fluidExtraction (chemistry)Materials scienceHydrometallurgyNeodymiumWaste managementChemistryMetallurgySulfuric acidOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

There is a global need for efficient and environmentally sustainable processes to close the life cycle loop of waste electrical and electronic equipment (WEEE) through recycling. Conventional WEEE recycling processes are based upon pyrometallurgy or hydrometallurgy. The former is energy-intensive and generates greenhouse gas (GHG) emissions, while the latter relies on large volumes of acids and organic solvents, thus generating hazardous wastes. Here, a novel “aeriometallurgical” process was developed to recycle critical rare earth elements, namely, neodymium (Nd), praseodymium (Pr), and dysprosium (Dy), from postconsumer NdFeB magnets utilized in wind turbines. The new process utilizes supercritical CO 2 as the solvent, which is safe, inert, and abundant, along with the tributyl-phosphate–nitric acid (TBP–HNO 3 ) chelating agent and 2 wt % methanol as a cosolvent. Nd (94%), Pr (91%), and Dy (98%) extraction was achieved with only 62% iron (Fe) coextraction and minimal waste generation. Fundamental investigations into the extraction mechanism demonstrated that metal ion charge has an important impact on the extraction efficiency. Fundamental investigations indicate that extraction proceeds by corrosion of the magnet particle’s surface layer. This work demonstrates that supercritical fluid extraction would find widespread applicability as a cleaner, a more sustainable option to recycle value metals from end-of-life products to enable the circular economy.

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 enseignants0,001
Score d'incertitude au seuil0,003

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,238
Écart entre enseignants0,230 · 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

Citations67
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetExtraction and Separation ProcessesTravaux en français237 207