MétaCan
Menu
Retour à la cohorte
Enregistrement W3130472023 · doi:10.1039/d1fd00006c

Mineral carbonation for serpentine mitigation in nickel processing: a step towards industrial carbon capture and storage

2021· article· en· W3130472023 sur OpenAlexafffund
Shaihroz Khan, Omar Bashir Wani, Mohammad Shoaib, J. Forster, R. N. S. Sodhi, Darryel Boucher, Erin R. Bobicki

Notice bibliographique

RevueFaraday Discussions · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of TorontoUniversity of AlbertaToronto Public Health
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarbonationNickelCarbon fibersMineral processingMineralEnvironmental scienceMetallurgyProcess engineeringMaterials scienceChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

A proof-of-concept for the carbonation-assisted processing of ultramafic nickel ores is presented. Carbonation converts serpentine, the primary gangue or undesirable mineral, to magnesite. It prevents slime coating of fine gangue minerals on pentlandite, the main nickel-bearing mineral, during froth flotation, and improves nickel recovery and concentrate grade. Additionally, CO2 is captured and stored in the form of solid carbonates, thus removing it from the atmosphere. Microflotation experiments demonstrated improved nickel recovery (61.2 to 87.4 wt%) and concentrate grade (20.6 to 24.7 wt%) in carbonated vs. uncarbonated systems. The mechanism behind the improved nickel flotation was investigated by zeta potential measurements, optical imaging microscopy, X-ray photoelectron spectroscopy and time-of-flight secondary ion mass spectrometry. These analyses confirmed the absence of slime coating in the carbonated system under the flotation conditions tested. Finally, a preliminary techno-economic analysis was performed to evaluate the cost metrics of incorporating carbonation into nickel mineral processing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,265
Écart entre enseignants0,245 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations31
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFaraday DiscussionsMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207