MétaCan
Menu
Retour à la cohorte
Enregistrement W3198091386 · doi:10.3390/min11090963

Iron-Speciation Control of Chalcopyrite Dissolution from a Carbonatite Derived Concentrate with Acidic Ferric Sulphate Media

2021· article· en· W3198091386 sur OpenAlexafffund
Kolela J. Nyembwe, Elvis Fosso‐Kankeu, F.B. Waanders, Martin Mkandawire

Notice bibliographique

RevueMinerals · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensCape Breton University
Organismes subventionnairesResearch Nova ScotiaNatural Sciences and Engineering Research Council of CanadaAtlantic Canada Opportunities AgencyNova Scotia Research Innovation Trust
Mots-clésDissolutionChalcopyriteFerricChemistryCarbonatitePhase (matter)Inorganic chemistryCopperGeologyGeochemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The mechanisms involved in the dissolution of chalcopyrite from a carbonatite concentrate in a ferric sulphate solution at pH 1.0, 1.5 and 1.8, and temperatures 25 °C and 50 °C were investigated. Contrary to expectations and thermodynamic predictions according to which low pH would favour high Cu dissolution, the opposite was observed. The dissolution was also highly correlated to the temperature. CuFeS2 phase dissolution produced intermediate Cu rich phases: CuS, Cu2S and Cu5FeS4, which appeared to envelop CuFeS2. Thermodynamic prediction revealed CuS to be refractory and could hinder dissolution. CuFeS2 phase solid-state dissolution process was further discussed. Free Fe3+ and its complexes (Fe(HSO4)2+, Fe(SO4)2– and FeSO4+ were responsible for Cu dissolution, which increased with increasing pH and temperature. The dissolution improved at pH 1.8 rather than 1.0 due to the increase of (Fe(HSO4)2+, Fe(SO4)2– and FeSO4+, which were also the predominating species at a higher temperature. The fast and linear first dissolution stage was attributed to the combined effect of Fe3+ and its complex (Fe(HSO4)2+, while Fe(SO4)2– was the main species for the second Cu dissolution stage characterised by a slow rate.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,455

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 Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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'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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMetal Extraction and BioleachingTravaux en français237 207