A Quantitative Metric for the Design of Selective Supercritical CO<sub>2</sub> Extraction of Lithium from Geothermal Brine
Notice bibliographique
Résumé
Abstract As demand grows for lithium, its recovery from geothermal brines provides an attractive alternative to slow mining. One promising extraction method uses crown ethers as extractants in supercritical carbon dioxide with cation exchangers to facilitate extraction from brine. Molecular dynamics modeling is used to understand the mechanism of binding between lithium (or sodium) and combinations of 14‐crown‐4 ethers and cation exchangers, and the predictive capability of computational modeling to test lithium selectivity is established for four combinations of crown ethers [methylene‐14‐crown‐4 (M14C4) and a fluorinated 14‐crown‐4 (F14C4)] and cation exchangers [di(2‐ethyl‐hexyl)phosphoric acid (HDEHP) and tetraethylammonium perfluoro‐1‐octanesulfonate (TPFOS)]. Binding free energies (given in kcal mol−1) of lithium and sodium, respectively, to crown ether–cation exchangers are 85 and 71 for M14C4–HDEHP, 90 and 71 for F14C4–HDEHP, 93 and 80 for M14C4–TPFOS, and 104 and 93 for F14C4–TPFOS. Good agreement is found between computational predictions and supercritical carbon dioxide extraction experiments at 60 °C and 250 bar. Binding free energy gives a suitable metric to describe extraction efficiency. Differences in the binding free energies of sodium and lithium to crown ethers determine the extraction selectivity. Fluorine groups are found to exert a positive influence to optimize extraction efficiency. Of the systems studied, F14C4 with TPFOS offers the most selective and efficient extraction system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».