Metal Reclamation from Spent Lithium-Ion Battery Cathode Materials: Directional Conversion of Metals Based on Hydrogen Reduction
Notice bibliographique
Résumé
The vast amount of spent lithium-ion batteries (LIBs), after exhausting their useful life, necessitates comprehensive recycling for metal reclamation. This paper proposed using hydrogen as a green reductant to reduce the cathode materials of spent LIBs, followed by wet magnetic separation. The inspiration behind this is to realize pollution-free and highly efficient separation of high-value metals from LIB cathode materials by utilizing hydrogen reduction to attain directional conversion of metals based on water solubility and magnetism differences. The effect of two major variables, that is, reduction temperature and time, on the leaching efficiency of Li and recovery of Ni, Co, and Mn, are investigated. The experimental results showed that the nickel–cobalt–manganese LIB cathode was primarily transformed into water-soluble Li 2 O, magnetic Ni–Co alloy, and nonmagnetic manganese oxides after hydrogen reduction under optimum conditions of 800 °C for 90 min. The reduction products underwent water-leaching to recover Li with a recovery of 96.8 wt %. Ni and Co are further separated magnetically from manganese oxides with recovery rates of 99.8 wt % Ni, 99.4 wt % Co into the magnetic fraction, and 90.3 wt % Mn into the nonmagnetic fraction.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».