MétaCan
Menu
Retour à la cohorte
Enregistrement W4200174985 · doi:10.24930/1681-9004-2021-21-6-894-911

Stistaites of the South Urals

2021· article· en· W4200174985 sur OpenAlexfundno aff
V. G. Korinevsky, V. A. Kotlyarov, S. V. Kolisnichenko, D. A. Artemiev

Notice bibliographique

RevueLITHOSPHERE (Russia) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMetallurgical Processes and Thermodynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alberta
Mots-clésTinAntimonyCassiteriteIntermetallicPlacer depositCopperGeologyMetallurgyMineralogyGeochemistryChemistryAlloyMaterials sciencePlacer mining

Résumé

récupéré en direct d'OpenAlex

Research subject. Rare minerals of tin and antimony – stistaites from natural lead plates from the Severo-Svetlinskaya placer in the Chelyabinsk region and from microspherules of intermetallic compounds in the products of erosion of granites of the Kisegach complex in the Ilmeny Mountains. Materials and methods. Electron probe analysis and laser ablation with inductively coupled plasma were used to study the composition of the predominant minerals of intermetallic compounds in lead plates extracted during the washing of a gold-bearing placer, as well as from metal microspherules in the sandy fraction of eroded granites. Results. Two types of stistaite were identified: lead and arsenic-lead. Lead stistaites is sharply predominant, with its average composition (wt %) being Sb – 47.39, Sn – 38.75, Pb – 13.24, Cu – 0.06. The average composition of arsenic-lead stystaite (wt %) was found to be Sb – 43.89, Sn – 41.06, Pb – 11.02, As – 3.05, Cu – 0.47. Tin-lead microspherules from the destruction products of biotite granites of the Kisegach massif (Ilmeny Mountains) occasionally contain crystals and spotted precipitates of lead stistaite with the composition (wt %) of Sn 53.54, Sb 38.45, and Pb 7.42. Conclusions. It is assumed that, in both cases, the formation of alloys of intermetallic compounds of tin, lead and antimony with inclusions of native copper and iron was associated with granite magmatism.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,167
Écart entre enseignants0,162 · 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.

Devis d'étudeSimulation ou modélisation
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLITHOSPHERE (Russia)Même sujetMetallurgical Processes and ThermodynamicsTravaux en français237 207