What controls the labile cations content in ultramafic minerals and tailings for carbon capture and storage: An experimental approach
Notice bibliographique
Résumé
The growing demand for effective carbon mineralization technologies to combat climate change requires precise reactivity characterization of feedstocks. In this study, we introduced and validated a batch dissolution experimental protocol for rapid and straightforward quantification of labile Mg, a representative indicator of carbon mineralization reactivity derived from ultramafic rocks, minerals, and tailings. This method was applied to characterize labile Mg content in various ultramafic minerals, including serpentine and hydrotalcite group minerals, as well as rocks like serpentinite, dunite, harzburgite, and tailings. Results indicate that, within the serpentine group, antigorite exhibits the lowest labile Mg content, whereas chrysotile releases the most. Differences in labile Mg content within the hydrotalcite group were found to be dependent on trivalent cation species, with pyroaurite and iowaite (Fe3+ rich) demonstrating higher labile Mg compared to stichtite and hydrotalcite (Cr3+ rich). We find that grain size impacts reactive surface area for ultramafic rocks and tailings, while protolith composition and rock alteration stages affect mineralogy. Consequently, under consistent geochemical conditions, we identified reactive surface area and mineral composition as primary controls of labile Mg content. Principal Component Analysis (PCA) was employed to validate these findings further. Prediction of labile Mg content based on these variables yielded results comparable to experimental outcomes, providing insight into carbon mineralization reactivity and demonstrating methods for accurate evaluation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».