MétaCan
Menu
Retour à la cohorte
Enregistrement W3165752174 · doi:10.1016/j.ceja.2021.100122

An environmentally friendly method for efficient atmospheric oxidation of pyrrhotite in arsenopyrite/pyrite calcine

2021· article· en· W3165752174 sur OpenAlexafffund
Lin Li, Jingxiu Wang, Chengqian Wu, Ahmad Ghahreman

Notice bibliographique

RevueChemical Engineering Journal Advances · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensNational Research Council CanadaQueen's University
Organismes subventionnairesMitacsQueen's University
Mots-clésPyrrhotitePyriteArsenopyriteArsenicEnvironmentally friendlySulfurSulfideChemistryLeaching (pedology)Inorganic chemistryMetallurgyMaterials scienceMineralogyGeologyChalcopyriteOrganic chemistryCopper

Résumé

récupéré en direct d'OpenAlex

Pyrite and arsenopyrite are the most common hosts for invisible gold, but pyrite and arsenic are refractory during conventional sulfide oxidation, which significantly challenges subsequent gold extraction. One option is high-temperature pretreatment of arsenical materials to sequester > 90% of the arsenic as a gas, then convert it to a stable form. This process produces a calcine similar in composition to pyrrhotite (Fe1-xS) but with higher porosity. In this study, the calcine product is oxidized with an efficient, cost-effective atmospheric process using acidic and near-neutral solutions. A sulfur mass balance analysis method based on iron sulfide thermal transformation in nitrogen atmosphere was developed to quantify the oxidation efficiency of pyrrhotite leaching. The optimization confirmed that > 90% of the calcine was oxidized by Fe3+ (5 and 10 g/L) and O2 (0.5 L/min) at pH 1 after 48 h and at 95 °C even without ultrafine grinding. Elemental sulfur was the main oxidation product when the oxidation pH was 1,2. This study provides the foundation for the development of a low-cost and environmentally friendly process option for pretreatment of arsenical sulfide refractory gold materials.

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 seuil0,001

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 recherche0,0000,000
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 Opus0,005
Tête enseignante GPT0,245
Écart entre enseignants0,241 · 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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical Engineering Journal AdvancesMême sujetMetal Extraction and BioleachingTravaux en français237 207