Sustainable Recovery of Critical Metals from Spent Lithium-Ion Batteries Using Deep Eutectic Solvents
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
The surging demand for lithium-ion batteries (LIBs) has intensified the need for sustainable recovery of critical metals such as lithium, manganese, cobalt, and nickel from spent cathodes. While conventional hydrometallurgical and pyrometallurgical methods are widely used, they involve high energy consumption, hazardous waste generation, and complex processing steps, underscoring the urgency of developing eco-friendly alternatives. This study presents a novel, water-enhanced deep eutectic solvent (DES) system composed of choline chloride and D-glucose for the efficient leaching of valuable metals from spent LiMn-based battery cathodes. The DES was synthesized under mild conditions and applied to dissolve cathode powder, with leaching performance optimized by varying temperature and duration. Under optimal conditions (100 °C, 24 h), exceptional recovery efficiencies were achieved: 98.9% for lithium, 98.4% for manganese, and 71.7% for nickel. Material characterization using X-ray diffraction (XRD), Fourier-transform infrared spectroscopy (FTIR), differential scanning calorimetry (DSC), and inductively coupled plasma mass spectrometer (ICP-MS) confirm effective phase dissolution and metal release. Although this DES system requires relatively higher temperature and longer reaction time compared to traditional acid leaching, it offers clear advantages in terms of non-toxicity, biodegradability, and elimination of strong oxidizing agents. These results demonstrate the potential of water-enhanced choline chloride–glucose DES as a green alternative for future development in sustainable battery recycling, supporting circular economy objectives.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle