MétaCan
Menu
Retour à la cohorte
Enregistrement W7106803487 · doi:10.1016/j.clet.2025.101123

Optimizing the recovery of rare earth elements from acid mine water: A sustainable approach using selective precipitation

2025· article· en· W7106803487 sur OpenAlexaff

Notice bibliographique

RevueCleaner Engineering and Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesMinisterio de UniversidadesAgencia Estatal de InvestigaciónMinisterio de Ciencia e InnovaciónGeneralitat de CatalunyaUniversitat Politècnica de CatalunyaInstitució Catalana de Recerca i Estudis Avançats
Mots-clésOxalic acidPrecipitationRare earthExtraction (chemistry)Rare-earth elementEarth (classical element)Oxalate

Résumé

récupéré en direct d'OpenAlex

This study focuses on the recovery of rare earth elements (REEs) from acid mine water (AMW) through a two-step selective process, which consists of a selective extraction with ion exchange followed by a precipitation stage using oxalic acid. Optimization of the effective REE recovery from sulphuric ion-exchange concentrates results in sustainable AMW management, providing a secondary resource for critical metals towards green transition. Experimental results indicate that (1) the use of oxalic acid facilitates the formation of REE-oxalate crystals, yielding recovery efficiencies in light rare earth elements (LREEs) much higher than for heavy rare earth elements (HREEs) at specific excess doses, and that (2) LREEs act as precursors for HREE precipitation. Moreover, REE-oxalate crystallization depends on the oxalic acid dose, pH, and precipitation time (PT). The longer the PT, the larger the crystals, which are economically advantageous. The study highlights that AMW is a potential secondary source for the REE recovery, which contributes to sustainable mining practices and provides confidence for further optimization of REE recovery processes. • Oxalic acid used for selective REE precipitation from AMW. • Study supports sustainable practices in REE recovery. • Experimental results indicate a potential industrial-scale REE recovery. • Optimal REE recovery: 300 rpm stirring, 0.15–0.275 M H 2 SO 4 for high rates and selectivity. • LREEs precipitated more efficiently than HREEs under specific conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCleaner Engineering and TechnologyMême sujetExtraction and Separation ProcessesTravaux en français237 207