MétaCan
Menu
Retour à la cohorte
Enregistrement W4381298531 · doi:10.1615/interjenercleanenv.2023047794

NORTH AMERICAN STEELMAKING SLAGS-A SOURCE FOR CRITICAL ELEMENTS

2023· article· en· W4381298531 sur OpenAlexaff
Melanie Mackay, Scott Dunbar, Maria Holuszko, Mehdi Golzar Ahmadi

Notice bibliographique

RevueInternational Journal of Energy for a Clean Environment · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensBritish Columbia Institute of TechnologyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSteelmakingPyrometallurgySlag (welding)MetallurgyFerroalloyEnvironmental scienceWaste managementPopulationMaterials scienceSmeltingEngineering

Résumé

récupéré en direct d'OpenAlex

The need for critical minerals will continue to rise as the world population continues to grow and the world strives to limit global warming. Countries determine their critical minerals lists based on the minerals and elements that are sensitive to supply chain disruptions or are in limited supply. The traditional source for critical minerals has been mineral deposits. These deposits take decades to bring into production and hundreds of millions of dollars. There is an advantage to sourcing these elements from waste due to the immediate availability of the waste and the relatively inexpensive cost to obtain it. Steelmaking slag is a waste type that is produced as steel is made. This study shows that the North American steelmaking slag analyzed contains 17 critical elements (Al, Ba, Co, Cr, Cu, Mg, Mn, Mo, Ni, P, Sb, Sc, Ti, V, W, Zn, Zr) as well as 9 of the rare earth elements (Dy, Eu, Gd, La, Lu, Pr, Tb, Y, Yb). Recovering value from steel slags is an underexplored area of research. Extraction techniques include pyrometallurgy, hydrometallurgy, and biohydrometallurgy. Biohydrometallurgy looks to be a promising extraction technique from cost and environmental perspectives. As long as steel is produced, there will be a source of steelmaking slag, which makes this type of slag waste a "renewable" resource for critical elements.

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 enseignants0,017
Score d'incertitude au seuil0,033

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,017
Tête enseignante GPT0,285
Écart entre enseignants0,268 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy for a Clean EnvironmentMême sujetExtraction and Separation ProcessesTravaux en français237 207