了解基于分子动力学和深度神经网络方法的CH₄/N₂分离的RHO类型地质膜的性能

科学领域:

• 材料科学 材料科学 材料科学
• 化学工程是化学工程的重要组成部分.
• 计算化学计算化学

背景情况:

• 天然气净化需要有效地将 (N₂) 与甲 (CH₄) 分离.
• 泽奥利特膜提供了一个稳定的,刚性的孔隙结构,非常适合在气体分离中进行分子选.
• 污染降低了天然气的经济价值.

研究的目的:

• 通过分子动力学 (MD) 模拟来评估RHO热带石膜在N₂/CH₄分离方面的性能.
• 研究压力,料成分和膜厚度对分离效率的影响.
• 开发和验证深度神经网络 (DNN) 模型来预测膜性能.

主要方法:

• 分子动力学 (MD) 模拟在298K和高达30MPa的温度下进行.
• 分析了RHO热带石膜对N₂和CH_{4的透性和选择性.}
• 深度神经网络 (DNN) 模型与MD模拟数据进行训练,以预测性能.

主要成果:

• 该RHO热带石膜实现了高N₂的透性 (高达2.14 × 10⁵GPU) 和特殊的N₂/CH₄选择性,超过了罗布森的极限.
• 优化料成分和膜厚度提高了分离性能.
• 在预测膜性能方面,DNN模型表现出高精度 (R^2>0.9).

结论:

• 在天然气中分离N₂的过程中,RHO热带石膜非常有效.
• 模拟MD和DNN建模提供了一种强大的方法来优化热带石膜性能.
• 这项研究推进了用于高效处理天然气的分离技术.