A comprehensive review on rare earth elements: resources, technologies, applications, and prospects
Notice bibliographique
Résumé
Abstract Rare earth elements (REEs), with their unique magnetic, optical, and electrical properties, have become indispensable strategic resources. Widely applied in critical fields such as aviation, telecommunications, electronics, energy, transportation, and medicine, REEs play a vital role in advancing technology and driving social and economic development. However, the REE industry faces numerous challenges, including unbalanced resource distribution, supply and demand imbalances, international competition, technological limitations, and associated environmental pollution. This paper, incorporating both the historical evolution and current state of the REE industry, provides a comprehensive examination of the chemistry, applications, resources, technologies, challenges, and prospects of REEs. Specifically, it analyzes China’s REE industry, which holds the largest global reserves and production capacity. As a key feature, this paper introduces the Tai Chi model for sustainable development in the REE industry, offering an in‐depth analysis of two primary approaches—mining and recycling; the four critical participants—governments, enterprises, researchers, and consumers; and the eight essential influencing factors—resources, energy, environment, policy, applications, technology, supply and demand, and economy. The Tai Chi model not only clarifies the responsibilities and significance of each individual but also highlights their interconnectedness, providing a compelling framework for envisioning the sustainable development of the REE industry. Moreover, the paper identifies the major challenges currently facing the industry and offers insights into the future development of REEs. As such, this work contributes to a deeper understanding of the multifaceted REE landscape and underscores the importance of sustainable practices to ensure REEs’ lasting positive impact on the global industry.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».