Sorption of aqueous amino acid species on sulphidic mineral surfaces—DFT study and insights on biosourced‐reagent mineral flotation
Notice bibliographique
Résumé
Abstract The interaction between the 20 natural amino acids and the surfaces of sphalerite, pyrite, and chalcopyrite was examined in the light of density functional theory (DFT) simulations. The electronic properties of the active functional groups and the equilibrium geometries of the sorbed amino acid species were characterized as a function the 65 species resulting from their (de)protonations. Covalent bonds are predicted between the surface metallic atoms and the carboxyl groups and, though to a lesser extent, with the side and main amino groups. Chemisorption as a determining factor in the uptake of amino acid species was assessed in terms of sorption affinities for the mineral surfaces. The largest affinities result from the carboxyl groups of the deprotonated species at intermediate pH, whereas the fully protonated amino acids in acidic media predict the lowest affinities. Affinity of amino acids towards the mineral surfaces followed the trend: pyrite >> chalcopyrite > sphalerite with speciation‐dependent decreasing sequence: ∼2.5 < pH < ∼9.5; pH > ∼9.5; pH < ∼2.5. By targeting the most suitable amino acid building blocks in bio‐sourced collectors, either high collecting powers or superior selectivities can be aimed at depending on pH for improved separation of sulphidic minerals in flotation processes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».