پژوهشگران دانشگاه صنعتی خواجهنصیرالدین طوسی با همکاری تیمهای علمی از دانشگاه پکن و دیگر مؤسسات تحقیقاتی بینالمللی، مطالعهای جامع درباره رفتار دیاکسیدکربن (CO₂) در هگزادکان انجام دادهاند. هدف این تحقیق، درک دقیقتر نحوه جذب CO₂ در هیدروکربنهای سنگین و توسعه مدلهای پیشبینی هوشمند برای مدیریت منابع هیدروکربنی و ذخیرهسازی کربن است. پژوهشگران با بهرهگیری از روشهای پیشرفته طیفسنجی رامان و شبیهسازیهای ترکیبی مونتکارلو/مکانیک مولکولی، تأثیر فشار و دما بر میزان انحلال CO₂ را بررسی کردند. نتایج نشان میدهد که افزایش دما موجب کاهش حلشوندگی و افزایش فشار باعث افزایش آن میشود. این دادهها میتوانند به توسعه الگوریتمهای هوش مصنوعی و مدلهای دقیقتر برای پیشبینی رفتار CO₂ کمک کنند و در بهینهسازی استخراج انرژیهای فسیلی و کاهش اثرات تغییرات اقلیمی نقش مؤثری ایفا کنند.
به گزارش رسانه اخبار فناوری تک فاکس، با افزایش تقاضای انرژی و رشد دغدغههای زیستمحیطی، ذخیرهسازی دیاکسیدکربن و بهبود بازیابی نفت از اهمیت بالایی برخوردار شده است. در این زمینه، شناخت رفتار CO₂ در هیدروکربنهای سنگین مانند هگزادکان اهمیت علمی و صنعتی بالایی دارد. حل کردن CO₂ در این مولکولها تحت شرایط مختلف فشار و دما، اطلاعات حیاتی برای طراحی فرآیندهای ذخیرهسازی زیرسطحی و بهبود بازیابی نفت ارائه میدهد. پژوهشگران با اندازهگیری دقیق کسری مولی CO₂ در نمونههای هگزادکان، توانستند روابط بین پارامترهای عملیاتی و میزان انحلال گاز را شناسایی کنند، دادهای که میتواند برای صنایع انرژی و محققان محیط زیست بسیار ارزشمند باشد.
در آزمایشهای طیفسنجی رامان، پژوهشگران محدوده دمایی ۲۵ تا ۲۰۰ درجه سانتیگراد و فشار یک تا ۱۵ مگاپاسکال را برای بررسی میزان انحلال CO₂ در هگزادکان انتخاب کردند. نمونهها در سیلیکای موئینه مخلوط شده و پس از رسیدن به تعادل، طیفسنجی رامان انجام شد تا رابطه بین کسری مولی CO₂ و نسبت سطح پیکهای رامان مشخص شود. نتایج نشان داد که افزایش دما موجب کاهش میزان انحلال و افزایش فشار باعث افزایش آن میشود، الگویی که اهمیت کنترل دقیق پارامترهای عملیاتی در فرآیندهای صنعتی و ذخیرهسازی زیرسطحی را برجسته میکند.
پژوهشگران علاوه بر دادههای تجربی، از شبیهسازیهای ترکیبی GCMC/MD برای بررسی تورم هگزادکان و حرکت CO₂ میان مولکولهای آلکان بهره بردند. نتایج شبیهسازیها با دادههای طیفسنجی رامان و مدلهای پیشین همخوانی بالایی داشت و دقت پیشبینیها را تأیید کرد. همچنین مشخص شد که اثر فشار بر ضریب نفوذ CO₂ کمتر از اثر دما است و تعامل CO₂ با گروههای متیل (CH₃) قویتر از گروههای متیلن (CH₂) است، زیرا دسترسی بیشتری برای ایجاد تعاملات مولکولی دارد. این یافتهها اهمیت توجه به تغییرات حجمی و تعاملات مولکولی در مدلهای پیشبینی را نشان میدهد.
نتایج این تحقیق علاوه بر ارائه ابزارهای اندازهگیری in-situ، قابلیت آموزش مدلهای هوش مصنوعی و یادگیری ماشین را نیز فراهم میکند. با بهرهگیری از دادههای دقیق حاصل، امکان پیشبینی رفتار CO₂ در نفتهای سنگین زیرسطحی با دقت بالاتری فراهم میشود. از دیدگاه کاربردی، این پژوهش میتواند فرآیندهای CO₂-EOR و ذخیرهسازی کربن در زیرزمین را بهبود دهد و نقش مؤثری در کاهش اثرات تغییرات اقلیمی و مدیریت بهینه منابع انرژی ایفا کند، موضوعی که برای صنایع انرژی و محیط زیست از اهمیت حیاتی برخوردار است.
به نقل از ستاد نانو، این مطالعه نمونهای موفق از همکاری بین دانشگاهها و مراکز تحقیقاتی بینالمللی محسوب میشود و نشان میدهد که ترکیب روشهای تجربی و شبیهسازی مولکولی، بینش عمیقی از فرآیندهای پیچیده فراهم میکند. یافتهها میتوانند زمینه تحقیقات بعدی درباره سایر حلالها، هیدروکربنها و گازهای گلخانهای را فراهم کرده و مسیر توسعه مدلهای پیشبینی دقیقتر را هموار کنند. تمرکز بر تغییرات حجمی و تعاملات مولکولی در شبیهسازیها، ابزار قدرتمندی برای بهبود بهرهوری انرژی و مدیریت منابع زیرزمینی ارائه میدهد.