MétaCan
Menu
Retour à la cohorte
Enregistrement W4229008199 · doi:10.1002/cjce.24436

Direct preparation of battery‐grade lithium carbonate via a nucleation–crystallization isolating process intensified by a micro‐liquid film reactor

2022· article· en· W4229008199 sur OpenAlexvenueno aff
Jianghao Tan, Qi Wang, Yanjun Lin, Xu Xiang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésCrystallizationNucleationParticle sizeMaterials scienceChemical engineeringLithium carbonatePrecipitationParticle-size distributionParticle (ecology)Raw materialLithium (medication)ChemistryIonOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

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.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,209
Écart entre enseignants0,202 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetExtraction and Separation ProcessesTravaux en français237 207