MétaCan
Menu
Back to cohort

Reciclagem de LED: recuperação de gálio por rota hidrometalúrgica.

2023· dissertation· pt· W4392817642 on OpenAlexaff
Jonathan Tenório Vinhal

Bibliographic record

Venuenot available
Typedissertation
Languagept
FieldEnvironmental Science
TopicRecycling and Waste Management Techniques
Canadian institutionsVancouver Biotech (Canada)
FundersFundação de Amparo à Pesquisa do Estado de São Paulo
KeywordsPhysicsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Os LEDs (Light Emitting Diodes) são dispositivos essenciais em diversas tecnologias, como lâmpadas, smartphones, televisores e telas. Ao longo dos anos, para suprir a demanda, observou-se uma alta na produção dos LEDs e por consequência um aumento na geração do resíduo. O resíduo de LED é uma fonte com potencial para a recuperação de metais críticos como o Ga. A literatura tem reportado a extração do metal principalmente a partir do semicondutor GaN, e ignorado a sua presença em outras fases e componentes do LED. Dessa forma, este trabalho teve como objetivo propor uma rota hidrometalúrgica para a recuperação do gálio a partir dos dispositivos LED. Para isso, buscou-se avaliar e otimizar as etapas de extração e purificação do metal. O desenvolvimento desse trabalho ocorreu através da caracterização dos dispositivos, ensaios preliminares de lixiviação com pré-tratamento químico e térmico, lixiviação, purificação com resinas de troca iônica, precipitação e calcinação. Observou-se na caracterização, que o LED BQ (branco quente) possui maior concentração de Ce, Ga e Y frente aos modelos BF (branco frio) e VER (vermelho). No modelo BQ, além do Ga no material semicondutor (GaN e InGaN), observou-se o metal nas partículas de material luminescente (Y3Al3Ga2O12:Ce), também conhecidas como fósforo. Ademais, foi observado no modelo branco quente um maior número de partículas de fósforo, justificando os maiores teores de Ce, Ga, e Y. Por essa razão, o dispositivo BQ foi selecionado para o estudo de recuperação do Ga. O pré-tratamento térmico utilizando NaOH como fundente se destacou em relação a máxima extração do metal. Isso porque a estrutura cristalina dos fósforos foi atacada pelo fundente, formando a fase lixiviável NaGaO2. A relação LED/NaOH no pré-tratamento foi a variável avaliada que mais influenciou no processo de lixiviação do Ga. Assim, a extração ótima do Ga ocorreu com o pré-tratamento dos dispositivos na relação LED/NaOH de 1/1,5, 500°C e 3h, seguido da lixiviação com água na relação S/L de 1/5, 4h, e 25°C. O processo extraiu 87,5±2,7% de Ga. Na purificação, o Ga foi concentrado e separado dos principais contaminantes (Al, Si e Sn) utilizando resina de grupo funcional amidoxima. Por fim, o metal foi precipitado na forma de Ga(OH)3 e calcinado para a obtenção de Ga2O3 com 95% de pureza. A recuperação global de Ga pela rota proposta foi de 84%.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.679
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0070.007

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.019
GPT teacher head0.292
Teacher spread0.273 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designOther design
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same topicRecycling and Waste Management TechniquesFrench-language works237,207