MétaCan
Menu
← Retour à la cohorte
Enregistrement W7118548127 · doi:10.71892/11143/1277

Développement d’une méthodologie de désactivation, de caractérisation des résidus miniers et mise au point d’une stratégie de valorisation

2025· other· fr· W7118548127 sur OpenAlexfundaboutno aff
Faiza Ferjani

Notice bibliographique

RevueOpen MIND · 2025
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésHomogeneousAlloimmunityIVIVC

Résumé

récupéré en direct d'OpenAlex

Le magnésium, largement utilisé pour sa légèreté et sa résistance (notamment dans l’automobile), génère toutefois une quantité importante de résidus, en particulier des sous-produits halogénés issus de l’électrolyse et de la fonderie (SPEF), dont la composition complexe et la forte hydroréactivité posent des enjeux HSE majeurs. En l’absence de filière de traitement opérationnelle au Québec, ces solides sont entreposés de façon sécuritaire. D’où l’urgence de mettre au point un procédé de désactivation fiable et une voie de revalorisation à plus forte valeur d’usage, dans une logique de durabilité et d’économie circulaire. Ce projet développe une stratégie complète de transformation « déchet → support → catalyseur » appliquée au reformage à sec du méthane (DRM). La méthodologie a d’abord reposé sur une caractérisation exhaustive des SPEF (DRX, ICP-MS, chromatographie ionique, analyses élémentaires), complétée par la HAADF-STEM/EDX pour préciser la composition chimique et la microstructure. Nous avons ensuite mis en œuvre une désactivation par lavage à l’eau en une seule étape, à température ambiante, qui a converti le magnésium réactif en Mg(OH)₂/MgO et a abaissé la teneur en chlorures (95 % d’élimination), tout en quadruplant la surface spécifique et en doublant le volume poreux, effets cohérents avec l’extraction saline et une restructuration nanométrique propice à la catalyse. Le support obtenu a ensuite été imprégné de nickel (5 et 10 % m/m) et évalué en DRM à 800 °C, 1 atm, CH₄/CO₂ = 1, GHSV = 6 000 mL·h⁻¹·gcat⁻¹. Le catalyseur 5 % Ni-D/BPEF a atteint X_(〖CH〗_4 ) = 94,2 %, X_(〖CO〗_2 ) = 97,3 % et un rapport H₂/CO = 1,0, performances attribuées à une dispersion plus fine du Ni et à des interactions métal-support renforcées ; le catalyseur 10 % Ni-D/BPEF a présenté une conversion de CH₄ plus élevée mais une conversion de CO₂ plus faible, en accord avec une contribution accrue de la réaction inverse gaz-eau (RWGS). Ces résultats confirment le potentiel des SPEF comme supports catalytiques pour le DRM et démontrent la faisabilité d’une filière robuste de désactivation-valorisation convertissant un résidu dangereux stocké en support catalytique à faible coût pour des procédés de haute température, tout en ouvrant des perspectives industrielles pour la production de syngaz, la co-valorisation CO₂/CH₄ et la réduction des impacts environnementaux de la filière magnésium.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,136
Tête enseignante GPT0,383
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→