The Mining Industry’s Role in Enhanced Weathering and Mineralization for CO<sub>2</sub> Removal
Notice bibliographique
Résumé
Enhanced weathering and mineralization (EWM) aim to remove carbon dioxide (CO 2 ) from the atmosphere by accelerating the reaction of this greenhouse gas with alkaline minerals. This suite of geochemical negative emissions technologies has the potential to achieve CO 2 removal rates of >1 gigatonne per year, yet will require gigatonnes of suitable rock. As a supplier of rock powder, the mining industry will be at the epicenter of the global implementation of EWM. Certain alkaline mine wastes sequester CO 2 under conventional mining conditions, which should be quantified across the industry. Furthermore, mines are ideal locations for testing acceleration strategies since tailings impoundments are contained and highly monitored. While some environmentally benign mine wastes may be repurposed for off-site use─reducing costs and risks associated with their storage─numerous new mines will be needed to supply rock powders to reach the gigatonne scale. Large-scale EWM pilots with mining companies are required to progress technology readiness, including carbon verification approaches. With its knowledge of geological formations and ore processing, the mining industry can play an essential role in extracting the most reactive rocks with the greatest CO 2 removal capacities, creating supply chains, and participating in life-cycle assessments. The motivations for mining companies to develop EWM include reputational benefits and carbon offsets needed to achieve carbon neutrality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».