MétaCan
Menu
Retour à la cohorte
Enregistrement W4362591048 · doi:10.1007/s40831-023-00672-7

Electrochemical Kinetics Study of Ultrasound-Assisted Chalcopyrite Oxidation

2023· article· en· W4362591048 sur OpenAlexafffund
Lin Li, Aaron A. King, Krystal Davis, Ben Yu

Notice bibliographique

RevueJournal of Sustainable Metallurgy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNational Research Council Canada
Mots-clésChalcopyriteLinear sweep voltammetryChronoamperometrySulfuric acidLeaching (pedology)ElectrochemistryTafel equationChemistryKineticsCyclic voltammetryUltrasoundInorganic chemistryNuclear chemistryElectrodeCopperPhysical chemistryOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Ultrasound-assisted chalcopyrite leaching has been reported previously, showing a noticeable improvement in leaching kinetics. However, the effect of ultrasound on the chalcopyrite oxidation kinetics from an electrochemical perspective has not been addressed. This study examines the ultrasonic enhancement of chalcopyrite oxidation kinetics in sulfuric acid solution from both conventional leaching and electrochemistry aspects. Electrochemical techniques, including linear sweep voltammetry (LSV) and chronoamperometry (CA), were used to illustrate the kinetics of chalcopyrite ultrasound-assisted leaching. Tafel analysis by LSV showed that 20% amplitude ultrasound power had increased the chalcopyrite electrochemical dissolution rate by about 20% in both Fe 3+ -free and 10 mM Fe 3+ -containing 0.5 M sulfuric acid solution. The CA tests indicated a drastic increase in the Fe 3+ reduction reaction when ultrasound was applied (20% amplitude). At 0.5 V, the Fe 3+ to Fe 2+ reduction current density at 30 min drastically increased from − 65.54 without ultrasound to − 1165.84 µA cm −2 with ultrasound. Graphical Abstract

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,292
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,235 · 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.

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

Citations13
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable MetallurgyMême sujetMetal Extraction and BioleachingTravaux en français237 207