MétaCan
Menu
Retour à la cohorte
Enregistrement W4386283240 · doi:10.3390/min13091147

Awaruite, a New Large Nickel Resource: Flotation under Weakly Acidic Conditions

2023· article· en· W4386283240 sur OpenAlexafffundabout
Santiago Seiler, G. Sánchez, Marek Pawlik, Peter Bradshaw, Bern Klein

Notice bibliographique

RevueMinerals · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMitacs
Mots-clésNickelTailingsMetallurgyDissolutionSlurryXanthateCopperChemistryRaw materialMaterials scienceEnvironmental chemistryInorganic chemistryEnvironmental scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

To support the transformation to clean low carbon technologies, there is a demand for critical metals such as nickel. Awaruite is a less common nickel-bearing mineral with unique properties and responses to mineral separation. This paper presents the findings of a flotation study to recover awaruite from the Baptiste ultramafic deposit, located in central British Columbia, Canada. Nickel recoveries of up to 65% at the rougher stage were obtained with xanthate as a collector at a pH level of 4.5. Awaruite flotation was shown to be highly dependent on the slurry pH. At weakly acidic conditions, the awaruite surface is activated through the dissolution of the passivation layer formed during grinding in alkaline conditions. Desliming was shown to reduce the acid consumption required to maintain the pH, probably by removing the highly reactive serpentine slimes generated during grinding. Rougher, followed by cleaner stages of flotation, showed that a high-grade concentrate can be produced with up to 45% nickel, 1.3% cobalt, 0.7% copper and negligible concentrations of penalty elements, such as arsenic, lead, and selenium, among others. A nickel flotation concentrate from an awaruite deposit is a promising feedstock for not only stainless-steel production but also for clean energy technologies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0120,007

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 Opus0,026
Tête enseignante GPT0,307
Écart entre enseignants0,280 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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'admission3
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207