Développement d’une nouvelle cellule de caractérisation de l’hydrophobicité naturelle et induite sur une faible quantité de minerai industriel selon les principes de la flottation de surface
Bibliographic record
Abstract
Le procédé de flottation est une technique de séparation de minerais basée sur la différence d’hydrophobicité des espèces minérales introduites dans des cellules dans le but de séparer les espèces minérales en fonction de ce critère. L’étude de la mouillabilité d’une surface de minerai devient alors un concept intéressant dans une optique d’optimisation de procédé. Les technologies standards qui permettent l’étude de ce facteur sont souvent imprécises due à la morphologie, aux défauts de surface ainsi qu’à la chimie variable des particules présentes au sein d’un même échantillon. Ayant pour but d’évaluer ce paramètre et permettant d’avoir des échantillons suffisants pour effectuer différents tests chimiques et minéralogiques, un nouveau montage basé sur la flottation de surface a été développé. Des tests comparatifs entre des technologies standards de flottation de laboratoire ainsi que la flottation de surface ont été réalisés en utilisant une matrice minérale composée de graphite et de quartz, dans le but de comparer leur efficacité de séparation. Les différents tests montrent, pour la flottation de surface, une séparation sélective similaire à celle obtenue en cellule Denver en plus d’être plus reproductible. Ensuite, des tests de flottation de surface avec de la sphalérite et des moussants confirment la compatibilité du montage avec des échantillons de minerais complexes et exposent les changements de la flottabilité des particules causés par la présence de surfactants. Un modèle par régression logistique sur la minéralogie des échantillons démontre une influence significative de la part des agents moussants sur la probabilité qu’une particule flotte ou au contraire coule. Le montage de flottation de surface est donc un outil de caractérisation robuste et polyvalent pour l’analyse de la mouillabilité d’un échantillon en reproduisant, de façon isolée, l’étape de collision entre une bulle d’air et une particule.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".