MétaCan
Menu
Retour à la cohorte
Enregistrement W4389336559 · doi:10.3390/min13121521

Physical Separations for Rare-Earth Beneficiation of the Nechalacho Deposit

2023· article· en· W4389336559 sur OpenAlexafffund
Christopher Marion, Justin Paris, Tassos Grammatikopoulos, Ronghao Li, Ozan Kökkılıç, Ray Langlois, N.A. Rowson, Kristian E. Waters

Notice bibliographique

RevueMinerals · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensSGS (Canada)McGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésBeneficiationRare earthMagnetic separationConcentratorProcess engineeringEarth (classical element)Rare-earth elementEnvironmental scienceSeparation processProcess (computing)Computer scienceGeologyMaterials scienceMineralogyMetallurgyEngineeringChemical engineeringPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The rare-earth elements (REEs) are strategic metals which are indispensable to the development of modern defence systems, electronic applications, and green technologies. The growing economic and strategic importance of these sectors, coupled with uncertainty in the global supply, has led to the development of many new deposits around the world. Many of these deposits, such as the Nechalacho deposit, are complex and contain multiple rare-earth element-bearing minerals (REMs) for which there is limited processing knowledge. This study explores a physical-separations-based flowsheet to beneficiate the Nechalacho deposit, which employs a spiral concentrator to preconcentrate the ore at a relatively coarse particle size (d80 = 120 μm), before further size reduction (d100 = 53 μm) and separation using a Mozley laboratory shaking table and two stages (low- and high-intensity) of magnetic separation. QEMSCAN was used to understand the effectiveness of each stage of separation and provide recommendations to improve the process. Although optimisation would be required, the results demonstrate that the physical-separations-based flowsheet could be an effective method of beneficiation.

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 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 enseignants0,091
Score d'incertitude au seuil0,193

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,020
Tête enseignante GPT0,288
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 tête enseignante, 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207