MétaCan
Menu
Retour à la cohorte
Enregistrement W2963272693 · doi:10.1021/acsomega.9b01173

Study on the Interaction between Galena and Sphalerite During Grinding Based on the Migration of Surface Components

2019· article· en· W2963272693 sur OpenAlexaff
Bo Huang, Hao Lai, Jiushuai Deng, Hongxiang Xu, Guixia Fan

Notice bibliographique

RevueACS Omega · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesChina Postdoctoral Science FoundationFok Ying Tong Education FoundationNational Natural Science Foundation of China
Mots-clésSphaleriteGalenaGrindingZincMetallurgyMineralSecondary ion mass spectrometryChemistryMineralogyMaterials scienceIonPyrite

Résumé

récupéré en direct d'OpenAlex

In Pb-Zn ore flotation, unintentional activation of sphalerite often leads to difficult separation of Pb and Zn minerals, during which grinding plays a key role in unintentional activation. Therefore, the aim of this study was to evaluate the surface component changes of two different mineral particles and to propose the interaction between galena and sphalerite during mixed grinding using time-of-flight secondary ion mass spectrometry (ToF-SIMS). The results show that after mixed grinding of the galena and sphalerite, the Pb content on the sphalerite surface increased with the decrease of Zn and Fe contents on the sphalerite surface. The lead ions from galena were obviously absorbed onto the sphalerite surface, while the zinc and iron ions from sphalerite were not obviously migrated to the galena surface. Principal component analysis (PCA) of a dataset composed of 206 positive ion peaks of galena and sphalerite indicates that the surface components of galena and sphalerite migrated from either side to different degrees. This study successfully identified an important factor for unintentional activation of lead and zinc minerals during flotation: homogenization of surface components of different minerals during grinding.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,161

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)0,0000,000

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 Opus0,036
Tête enseignante GPT0,276
Écart entre enseignants0,239 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207