MétaCan
Menu
Retour à la cohorte
Enregistrement W4386995335 · doi:10.3390/gels9100775

Polymeric Materials for Rare Earth Elements Recovery

2023· review· en· W4386995335 sur OpenAlexafffund
Hongtao Zhang, Yongfeng Gao

Notice bibliographique

RevueGels · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesQinghai Normal UniversityNational Natural Science Foundation of ChinaUniversity of Alberta
Mots-clésRare earthHazardous wasteScalabilityNanotechnologyRenewable energySustainabilityMaterials scienceBiochemical engineeringComputer scienceWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Rare earth elements (REEs) play indispensable roles in various advanced technologies, from electronics to renewable energy. However, the heavy global REEs supply and the environmental impact of traditional mining practices have spurred the search for sustainable REEs recovery methods. Polymeric materials have emerged as promising candidates due to their selective adsorption capabilities, versatility, scalability, and regenerability. This paper provides an extensive overview of polymeric materials for REEs recovery, including polymeric resins, polymer membranes, cross-linked polymer networks, and nanocomposite polymers. Each category is examined for its advantages, challenges, and notable developments. Furthermore, we highlight the potential of polymeric materials to contribute to eco-friendly and efficient REEs recovery, while acknowledging the need to address challenges such as selectivity, stability, and scalability. The research in this field actively seeks innovative solutions to reduce reliance on hazardous chemicals and minimize waste generation. As the demand for REEs continues to rise, the development of sustainable REEs recovery technologies remains a critical area of investigation, with the collaboration between researchers and industry experts driving progress in this evolving field.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,077
Tête enseignante GPT0,347
Écart entre enseignants0,270 · 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

Citations35
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGelsMême sujetExtraction and Separation ProcessesTravaux en français237 207