MétaCan
Menu
Retour à la cohorte
Enregistrement W2936184747 · doi:10.3390/min9040225

Effect of Depressants and Temperature on Bastnaesite and Monazite Flotation Separation from a Canadian Rare Earth Element (REE) Ore

2019· article· en· W2936184747 sur OpenAlexafffundabout
Jean‐François Boulanger, Claude Bazin, Keven Turgeon

Notice bibliographique

RevueMinerals · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésMonaziteGangueRare-earth elementRecovery rateRare earthSilicateChemistrySilicate mineralsMineralNuclear chemistryMineralogyGeologyGeochemistryChromatography

Résumé

récupéré en direct d'OpenAlex

A full factorial experimental design was conducted to investigate the effect of temperature and depressants on the flotation of monazite and bastnaesite from carbonate gangue minerals. Temperature, sodium silicate, and guar gum dosage were examined. Mineral reconstruction from energy-dispersive x-ray fluorescence (EDXRF) data was performed to quantify bastnaesite, monazite, and gangue mineral recoveries. Bastnaesite and monazite both follow first-order rates of recovery, with bastnaesite recovering faster and to a larger extent than monazite. The main gangue minerals were depressed together. Optimal separation efficiency was achieved using a larger Na2SiO3 dosage (2400 g/t), no guar gum addition, and a high temperature (75 °C). The rate of bastnaesite recovery increased with the temperature, while sodium silicate improved the ultimate recovery. An economic analysis was performed to evaluate the impact of increasing Rare Earth Element (REE) recovery by allowing a lower grade concentrate to be generated. Despite the high value of REEs, increasing recovery by producing a concentrate bearing more than 68 wt % carbonaceous gangue was uneconomical.

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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,241
Écart entre enseignants0,236 · 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

Citations16
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207