Deep eutectic solvents and ionic liquids in hydrometallurgical recovery of metals - A review of recent advances and challenges
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This review focuses on the hydrometallurgical recovery of metals via deep eutectic solvents (DESs) and ionic liquids (ILs), which are well known for their low toxicity, cost-effectiveness, and eco-friendliness, offering a promising route for sustainable metal extraction through leaching and solvent extraction (SX) processes. The focus is on assessing the efficacy of novel leaching liquids to produce leachates and the use of these unconventional solvents as extractants and diluents in the SX process for metal extraction. This review summarizes and discusses the characteristics of the ILs and DESs used for metal recovery, including their original introduction, synthesis, and classification. The DESs and ILs can be used as lixiviants for metal leaching and have significant potential to replace mineral acids. The selective and efficient leaching of metals from minerals or wastes has been proven in many experimental studies and is surveyed in this review. Solvometallurgy is a new branch of hydrometallurgy that uses DESs and ILs for leaching and SX of metals, and several studies in which both of these solvents are used as mixtures for the recovery and extraction of metals are also included in this review. Furthermore, IL-based and DES-assisted SX processes are discussed in detail, demonstrating that they are a credible alternative to traditional chemical solvents. This review also aims to explore the benefits, challenges, and environmental consequences of using DESs and ILs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle