Effect of Surface Modification with Different Acids on the Functional Groups of AF 5 Catalyst and Its Catalytic Effect on the Atmospheric Leaching of Enargite
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
Carbon-based catalysts can assist the oxidative leaching of sulfide minerals. Recently, we presented that AF 5 Lewatit® is among the catalysts with superior enargite oxidation capacity and capability to collect elemental sulfur on its surface. Herein, the effect of acid pre-treatment of the AF 5 catalyst was studied on the AF 5 surface, to further enhance the catalytic properties of AF 5. The AF 5 catalyst was pretreated by hydrochloric acid, nitric acid and sulfuric acid. The results showed that the acid treatment drastically changes the surface properties of AF 5. For instance, the concentration of quinone-like functional groups, which are ascribed to the catalytic properties of AF 5, is 45.4% in the sulfuric acid pre-treatment AF 5 and only 29.8% in the hydrochloric acid-treated AF 5. Based on the C 1s X-ray photoelectron spectroscopy (XPS) results the oxygenated carbon is 30.6% in the sulfuric acid-treated AF 5, 29.2% in the nitric acid-treated AF 5 and 28.3% in the hydrochloric acid-treated AF 5. The nitric acid pre-treated AF 5 resulted in the highest copper recovery during the oxidative enargite leaching process, recovering 98.8% of the copper. The sulfuric acid-treated AF 5 recovered 97.1% of the enargite copper into the leach solution. Among different leaching media and pre-treatment the lowest copper recovery was achieved with the HCl pre-treated AF 5 which was 88.6%. The pre-treatment of AF 5 with acids also had modified its elemental sulfur adsorption capacity, where the sulfur adsorption on AF 5 was increased from 30.9% for the HCl treated AF 5 to 51.1% for the sulfuric acid-treated AF 5.
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