Développement d’une méthodologie de désactivation, de caractérisation des résidus miniers et mise au point d’une stratégie de valorisation
Bibliographic record
Abstract
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.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".