Recovery of critical metals from carbonatite-type mineral wastes: Geochemical modeling investigation of (bio)hydrometallurgical leaching of REEs
Notice bibliographique
Résumé
Abstract Rare earth elements (REEs) are typically found in low concentrations within natural rocks that make up mine tailings, such as carbonates in association with silicates within carbonatite igneous rocks, so it is of interest to develop (bio)hydrometallurgical ways to liberate them from the silicate matrix. This work investigated, through geochemical modeling, the extraction of europium and ytterbium carbonates from rocks containing one of four silicates (chrysotile, forsterite, montmorillonite, and phlogopite) via chemical (mineral acid) or biological (organic acid) leaching. The results indicated conditions that led to either congruent or incongruent dissolution of the mineral phases and the formation of transient mineral phases. Chemical leaching models suggest that REE carbonates are recoverable in one-step leaching from forsterite and chrysotile rocks, while they are recoverable in a secondary leaching step from montmorillonite and phlogopite rocks. Gibbsite as a transient phase is shown to complicate REE recovery, potentially requiring reactive extraction. REEs have the potential to be recovered from silicate rocks via chemoorganotrophic bioleaching, but the process configuration would differ depending on the predominant minerals that make up the rock, and the type of REE present in it.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».