MétaCan
Menu
Retour à la cohorte
Enregistrement W4407384239 · doi:10.1002/cjce.25639

Selective leaching of neodymium from <scp>NdFeB</scp> carbonyl residues using hydrochloric acid

2025· article· en· W4407384239 sur OpenAlexvenueno aff
Yida Li, Liping Dong, Bo Li, Pei Shi, Yun Li, Hao Yang, Zhongqi Ren, Zhiyong Zhou

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHydrochloric acidLeaching (pedology)Oxalic acidChemistryNeodymium magnetNeodymiumNuclear chemistryInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract An efficient recovery method of valuable metals from NdFeB carbonyl residues with ultra‐low rare earth content was developed. Selective leaching of NdFeB carbonyl residues was carried out using hydrochloric acid, and the leaching conditions were investigated and optimized. The experimental results showed that the optimum operating conditions for hydrochloric acid leaching were as follows: concentration of 2.5 mol/L, leaching temperature of 60°C, leaching time of 0.5 h, leaching solid–liquid ratio of 1:2 (g/mL), and rotational speed of 600 rpm during the leaching process. At this time, the leaching rate of neodymium in the carbonyl residues of NdFeB was 46.67%, and the leaching rate of iron was around 0.01%. The use of hydrochloric acid leaching had a high selectivity for Nd and Fe in the carbonyl residues. Neutralization and removal of impurities from the leach solution was carried out using NaOH and the pH of the leach solution was set to 4.0, at which time the removal of Fe was 76.52%. The neodymium in the leach solution was directly recovered by oxalic acid precipitation method, and the dosage of oxalic acid was 1.2 times of the theoretical dosage of oxalic acid, at which the recovery rate of neodymium was 96.38%, and the purity of the rare earth oxides obtained was 99.95%.

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 enseignants0,185
Score d'incertitude au seuil0,527

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 recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetExtraction and Separation ProcessesTravaux en français237 207