Recycling of spent electric vehicle (EV) batteries through the biohydrometallurgy process
Notice bibliographique
Résumé
Lithium-ion batteries constitute a primary component of electric vehicles (EV). The proliferation of EV on a global scale is expected to result in a rise in the quantity of spent EV batteries. The spent EV batteries comprise various heavy metals that possess a higher content than naturally available ores. These metals are valuable and have the potential to adversely affect the environment and human health if not managed appropriately. Conventional recycling techniques, such as pyrometallurgical and hydrometallurgical processes, have proven to be effective in the recovery of precious metals from used EV batteries. These techniques are used to recycle wasted EV batteries. Nonetheless, it should be noted that these processes are associated with a considerable cost, require high levels of energy consumption, present challenges in terms of regulation, and produce byproducts that can be classified as secondary pollutants. Biohydrometallurgy is a component of the discipline of hydrometallurgy that is widely recognized or thought of as an ecologically friendly and cost-effective extraction metallurgical technique as an alternative of extracting and recovering valuable metals from spent EV batteries. This approach involves the utilization of microorganisms. The present study employs a consortium of microorganisms comprising fungi, chemolithotrophic bacteria, mixotrophic bacteria, and acidophilic bacteria. These microorganisms have demonstrated their proficiency in metal recovery by generating acids and biosurfactants and utilizing ferrous ions and sulfur as energy sources. This article presents a review of biohydrometallurgical techniques as potential strategies for cost-effective and environmentally friendly technologies for the recycling of spent EV batteries. These techniques encompass the fundamental principles of biohydrometallurgy, in addition to the roles that microbes play in biohydrometallurgy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».