Direct preparation of battery‐grade lithium carbonate via a nucleation–crystallization isolating process intensified by a micro‐liquid film reactor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract With the lithium‐ion battery industry booming, the demand for battery‐grade lithium carbonate is sharply increasing. However, it is difficult to simultaneously meet the requirements for the particle size and the purity of battery‐grade lithium carbonate. Herein, the nucleation–crystallization isolating process (NCIP) is applied to prepare battery‐grade lithium carbonate without any post‐treatment procedure. The nucleation process is intensified by a micro‐liquid film reactor (MLFR), where the feedstock solution is subject to intensive shear force and centrifugal force. The feedstock solutions are mixed rapidly and a large number of nuclei form instantly in the MLFR. After nucleation, the crystallization process is achieved in another reactor. A few new nuclei form in the crystallization process. The nucleation intensification in the MLFR is verified by computational fluid dynamics (CFD) simulations and experimental results. The particle size distribution is narrower and the impurity residue in the products is far lower than that prepared by a traditional precipitation method. The effects of nucleation and crystallization on the particle size distribution and purity were investigated. In the optimized operation parameters, the particle size distribution of the Li 2 CO 3 product is D 10 = 2.856 μm, D 50 = 5.976 μm, and D 90 = 11.197 μm, and the purity is 99.73%, both of which meet the requirements of battery‐grade Li 2 CO 3 . Moreover, the lithium recovery rate is increased to 88.21% compared to that prepared by a traditional precipitation method (79.0%). This work provides an alternative way for the preparation of high‐purity chemicals by process intensification.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 découle