Biohydrometallurgical recovery of rare earth elements (REEs) from Indonesian red mud using the mixotrophic bacterium <i>Priestia aryabhattai</i>
Notice bibliographique
Résumé
Abstract The extraction of rare earth elements (REEs) from red mud, a by-product of alumina production from bauxite, poses considerable environmental and economic challenges. This study investigates the viability of bioleaching as a sustainable and environmentally friendly approach for REE recovery from red mud. Bioleaching employs microorganisms to extract valuable metals from ores and offers a potentially less harmful alternative to traditional chemical extraction techniques. Specifically, the objective of this study is to recover REEs from Indonesian red mud using the mixotrophic bacterium Priestia aryabhattai , which is capable of oxidizing both iron and sulfur and producing biosurfactants. The bioleaching experiments were carried out over a period of three days under aerobic conditions, with the introduction of a 10% v/v inoculum of P. aryabhattai . The experiments varied the concentrations of red mud in the bioleaching medium to 1.5, 3, and 6 g/L. The results indicated that the maximum recovery of heavy rare earth elements (HREEs) was approximately 70% for terbium (Tb), whereas the highest recovery of light rare earth elements (LREEs) was about 60% for gadolinium (Gd). Most notably, increasing the concentration of red mud resulted in lower REE recovery levels. In conclusion, this study demonstrates the effectiveness of biohydrometallurgical methods for REE recovery from Indonesian red mud. The findings support sustainable metallurgical practices and present a promising pathway for more environmentally responsible REE recovery.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».