Esterquat EQ-90 as a green novel collector for effective desilication in magnesite flotation: Adsorption mechanisms and selectivity
Notice bibliographique
Résumé
This study investigates the selective adsorption behavior and flotation efficacy of the eco-friendly esterquat EQ-90 on quartz and magnesite, leveraging an array of advanced analytical techniques, including micro-flotation tests, Zeta potential analysis, contact angle measurement, FTIR, SEM-EDS, XPS, and TOF-SIMS. Micro-flotation tests demonstrated that EQ-90 achieved a 93.15 % recovery for quartz, while maintaining the magnesite recovery at only 5.26 %. Zeta potential and contact angle analyses confirmed the robust adsorption of EQ-90 on quartz, rendering it hydrophobic, while magnesite exhibited negligible interaction. FTIR, SEM-EDS, and XPS analyses revealed substantial increases in C and N content and significant shifts in binding energies on quartz surfaces post EQ-90 treatment, corroborating the selective adsorption mechanism. TOF-SIMS imagery further validated these findings, showing pronounced EQ-90 concentrations on quartz. This comprehensive analysis underscores EQ-90′s efficacy in selectively adsorbing onto quartz, thereby optimizing its flotation efficiency. The study offers significant insights and a robust foundation for employing EQ-90 in the selective separation of quartz from magnesite, advancing flotation processes in mineral processing.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».