Production of Biomaterials from Solid Biomass Wastes for \nthe Mining Industry
Notice bibliographique
Résumé
Newfoundland and Labrador has very rich mineral resources. The mining industry in this \nprovince produces more than a dozen different mineral commodities. On the other hand, \nthis province is producing huge amounts of solid biomass wastes everyday. Some of them \nare re-used, but mostly they are land-filled. With innovative, applied research these biomass \nwastes can be turned into more value added products for the mining industry. For example, \nwood wastes/saw dust, waste paper and waste cotton are some solid wastes that can easily \nbe converted into high-tech biomaterials (bioadsorbents) for gold recovery from a dilute \nsolution. Those solid wastes are cellulosic, they have a strong affinity to gold when \nconverted to its functional group in a very simple and cheap process. \nIn this project, we have carried out some innovative applied research to produce \nbioadsorbents derived from solid biomass wastes, such as waste paper, waste cotton and \nwaste wood/saw dust, which are abundantly available in this province and need proper \nmanagement to increase their life-cycle. Every day tons of waste paper and cardboard are \nbeing generated. Sources of waste cotton are old cloths, waste medical bandages, etc. \nWood waste is also very abundant in this province. When compared with the ever \nincreasing gold prices (currently ~$1700/oz), the face value of these solid wastes will jump \nfrom garbage to hi-tech market value. Proper management and effective use of such solid \nbiomass wastes as valuable bioadsorbents will not only reduce the volume of wastes being \ngenerated every day, but will also have a high end value to the gold mining industry as this \ncheap bioadsorbent will have superior performance over the traditionally used activated \ncarbon. Both the mining and waste management companies in this province will benefit from \nthis research.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| 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 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 ».