MétaCan
Menu
Retour à la cohorte
Enregistrement W4366086629 · doi:10.1021/acsengineeringau.2c00053

Emerging Trends of Computational Chemistry and Molecular Modeling in Froth Flotation: A Review

2023· review· en· W4366086629 sur OpenAlexafffund
Abolfazl Alizadeh Sahraei, Dariush Azizi, Abdol Hadi Mokarizadeh, Daria C. Boffito, Faı̈çal Larachi

Notice bibliographique

RevueACS Engineering Au · 2023
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensPolytechnique MontréalUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésProcess (computing)Froth flotationComputer scienceBiochemical engineeringProcess engineeringBeneficiationMineral processingNanotechnologyChemistryEngineeringMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Froth flotation is the most versatile process in mineral beneficiation, extensively used to concentrate a wide range of minerals. This process comprises mixtures of more or less liberated minerals, water, air, and various chemical reagents, involving a series of intermingled multiphase physical and chemical phenomena in the aqueous environment. Today's main challenge facing the froth flotation process is to gain atomic-level insights into the properties of its inherent phenomena governing the process performance. While it is often challenging to determine these phenomena via trial-and-error experimentations, molecular modeling approaches not only elicit a deeper understanding of froth flotation but can also assist experimental studies in saving time and budget. Thanks to the rapid development of computer science and advances in high-performance computing (HPC) infrastructures, theoretical/computational chemistry has now matured enough to successfully and gainfully apply to tackle the challenges of complex systems. In mineral processing, however, advanced applications of computational chemistry are increasingly gaining ground and demonstrating merit in addressing these challenges. Accordingly, this contribution aims to encourage mineral scientists, especially those interested in rational reagent design, to become familiarized with the necessary concepts of molecular modeling and to apply similar strategies when studying and tailoring properties at the molecular level. This review also strives to deliver the state-of-the-art integration and application of molecular modeling in froth flotation studies to assist either active researchers in this field to disclose new directions for future research or newcomers to the field to initiate innovative works.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0020,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,030
Tête enseignante GPT0,306
Écart entre enseignants0,276 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Engineering AuMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207