MétaCan
Menu
Retour à la cohorte
Enregistrement W4409742647 · doi:10.1002/cjce.25730

A hydrometallurgical process for the separation of lead and bismuth from lead bismuthite

2025· article· en· W4409742647 sur OpenAlexvenueno aff
Artem Daminov, Yurii Yukhin, O. A. Logutenkо, Olesya Sheina

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Science and Higher Education of the Russian Federation
Mots-clésLead (geology)BismuthSeparation (statistics)Process (computing)MetallurgyMaterials scienceComputer scienceGeology

Résumé

récupéré en direct d'OpenAlex

Abstract A hydrometallurgical process to efficiently separate and recover bismuth and lead from lead bismuthite was proposed. It included the dissolution of lead bismuthite in a solution containing 4.2 mol/L HNO 3 and 5.0 wt.% of carbamide at a temperature of 70–90°C followed by bismuth precipitation by adding lead carbonate to precipitate basic bismuth nitrate [Bi 6 O 4 (OH) 4 ](NO 3 ) 6 ∙ H 2 O of a technical grade. The lead‐containing solution was further evaporated to produce lead nitrate Pb(NO 3 ) 2 of a chemically pure grade, while the basic bismuth nitrate was further purified from metal impurities. Basic bismuth nitrate was dissolved in a ~6.0 mol/L HNO 3 solution at a temperature of 60–70°C, diluted with distilled water two times, and mixed with an aqueous ammonium carbonate solution to adjust the pH to 0.9 at a temperature of 55°C and to precipitate bismuth. After washing and drying of the precipitate at a temperature of 90–100°C, the high purity basic bismuth nitrate [Bi 6 O 5 (OH) 3 ](NO 3 ) 5 ∙ 3H 2 O was obtained. The large‐scale laboratory trials confirmed the relevance of the proposed technology for hydrometallurgical processing of lead‐ and bismuth‐containing raw materials. It is an easy and economical way to produce high purity bismuth and lead compounds.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,242

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,239 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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