MétaCan
Menu
Retour à la cohorte
Enregistrement W4319873793 · doi:10.1016/j.hydromet.2023.106039

A novel process for the treatment of steelmaking converter dust: Selective leaching and recovery of zinc sulfate and synthesis of iron oxides@HTCC photocatalysts by carbonizing carbohydrates

2023· article· en· W4319873793 sur OpenAlexaff
Xue Yang, Xiaoming Liu, Na Zhang, Song Guo, Xie Zhiqing, Chunbao Xu

Notice bibliographique

RevueHydrometallurgy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensWestern University
Organismes subventionnairesNational Key Research and Development Program of ChinaNational University's Basic Research Foundation of ChinaFundamental Research Funds for the Central UniversitiesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésChemistryZincLeaching (pedology)Zinc ferriteCarbonationPhotocatalysisInorganic chemistryCarbonizationHydrothermal carbonizationCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A large amount of converter dust (CD) is generated annually, posing serious environmental problems due to its zinc content. Moreover, zinc mainly exists in the form of inert ZnFe 2 O 4 in CD, which negatively affects the leaching efficiency of zinc. On the other hand, the photocatalytic activity of hydrothermal carbonation carbon (HTCC) is restricted by its wide bandgap, poor charge-transfer ability, and inconvenience of recycling. This work presents an oxygen pressure leaching method to selectively leach Zn from CD. In this process, not only the decomposition of ZnFe 2 O 4 is effectively promoted to increase zinc recovery, but also Fe 2+ in the solution is skillfully oxidized and hydrolyzed to solid Fe( OH )SO 4 . Under the optimum conditions, the leaching efficiency of zinc reached 98.8%, and 86.3% of iron remained in the leach residue, realizing the one-step separation of zinc and iron. Furthermore, the leach residue was successfully applied to synthesize a magnetically recyclable iron oxides@HTCC composite photocatalyst .

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 enseignants0,001
Score d'incertitude au seuil0,002

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 recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,233 · 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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrometallurgyMême sujetExtraction and Separation ProcessesTravaux en français237 207