MétaCan
Menu
Retour à la cohorte
Enregistrement W4379209853 · doi:10.1016/j.seppur.2023.124268

Enhanced CO2 mineralization and selective critical metal extraction from olivine and laterites

2023· article· en· W4379209853 sur OpenAlexaff
Fei Wang, David Dreisinger

Notice bibliographique

RevueSeparation and Purification Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversité LavalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLimoniteMineralization (soil science)OlivineNickelCobaltCarbonateChemistryGeochemistryGeologyEnvironmental chemistryMineralogyInorganic chemistrySoil scienceSoil water

Résumé

récupéré en direct d'OpenAlex

CO 2 mineralization is a significant method for effective CO 2 emission control because of formation of stable carbonate products and the availability of abundant mineral resources. The economic concern of the direct aqueous CO 2 mineralization prevents the application to global warming mitigation. This work discovers that the CO 2 mineralization of olivine can be significantly enhanced by using nitriloacetate (NTA) salt due to the competitive complexation and extraction of nickel and cobalt versus carbonate precipitation. The highly selective critical metal extraction can be also achieved and even considerably enhanced by using NTA compared to using ethylenediaminetetraacetate (EDTA) salt. Nearly 90% CO 2 mineralization, nickel and cobalt extraction can be achieved and is suitable for both nickel-poor olivine and nickel-rich saprolite and limonite laterites. The recovery of nickel and cobalt makes the CO 2 mineralization process favourable in both economics and technical outcome. The enhanced CO 2 mineralization process can potentially earn $29, $557, and $221 net benefits for each t olivine, saprolite, and limonite, respectively. The success of the CO 2 mineralization in technical and economic feasibility can potentially make the CO 2 mineralization widely applicable and can make significant contributions to sustainable minerals engineering and resources management, and enhanced supply of critical metals and CO 2 storage.

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 recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,311
Écart entre enseignants0,298 · 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

Citations46
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeparation and Purification TechnologyMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207