MétaCan
Menu
Retour à la cohorte
Enregistrement W4388424160 · doi:10.3390/met13111855

Experimenting with Dimethyl Sulfoxide to Leach Gold from a Colombian Artisanal Gold Ore

2023· article· en· W4388424160 sur OpenAlexafffund
Pariya Torkaman, Akihiro Yoshimura, Leslie M. Lavkulich, Marcello M. Veiga

Notice bibliographique

RevueMetals · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMetal Extraction and Bioleaching
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEnvironmental Restoration and Conservation Agency
Mots-clésGold cyanidationLixiviantGold extractionReagentLeaching (pedology)Gold miningCyanideChemistryGold oreSulfoxideEnvironmental chemistryEnvironmental scienceMetallurgyOrganic chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

The diverse uses of gold and its crucial role in the global economy are growing, particularly during cycles of economic crises. The broad use of cyanide by conventional gold-mining companies and mercury by artisanal miners poses environmental and health concerns for local communities. This article introduces an innovative gold-leaching process using a non-toxic organic reagent, dimethyl sulfoxide (DMSO), a water-free lixiviant that extracts gold from ores/concentrates in combination with copper halides. The results of laboratory experiments using dimethyl sulfoxide and a sample of high-grade gold ore from Colombia show that 96.5% of the gold was extracted in 2 h at room temperature. The typical cyanidation process using 5 g/L of CN− at pH 10.5 on the same ore sample obtained 97% gold extraction in 24 h at ambient temperature. The gold extracted using DMSO was precipitated by adding a mild acidic solution, and the reagent can be recycled via distillation and reused in repeating cycles. The results show that DMSO can be used as a promising agent for gold leaching, offering a straightforward, cost-effective, and eco-friendly procedure with minimal chemical waste.

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 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 enseignants0,344
Score d'incertitude au seuil1,000

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)0,0000,001

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 Opus0,024
Tête enseignante GPT0,255
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMetalsMême sujetMetal Extraction and BioleachingTravaux en français237 207